هوش‌مصنوعی، آنالوگ می‌شود؟

در ادامه روند شتابان پیشرفت تحقیقات در زمینه پردازش‌های عصبی؛ در پاسخ به نیاز گسترده عموم به پردازش شبکه‌های بیشتر با سرعت بیشتر و مصرف انرژی پایین‌تر، ایده آزمایشگاهی شبکه‌های عصبی فیزیکی (PNN) معرفی شد.

این شبکه‌های عصبی فیزیکی از خواص نور و پدیده‌های کوانتومی برای پردازش اطلاعات استفاده می‌کنند، بنابراین محدودیت‌های پردازشی و انرژی ندارند.

پژوهشی که به تازگی در مجله Nature منتشر شده، مراحل آموزش شبکه‌های عصبی فیزیکی توسعه داده شده با چیپ‌های فوتونیک را مشخص می‌کند. این چیپ‌ها با استفاده از فناوری‌های فوتونیک یکپارچه، عملیات ریاضی مانند جمع و ضرب را از طریق مکانیزم‌های تداخل نور روی میکروچیپ‌های سیلیکونی کوچک انجام می‌دهند.

تحقیقات و پیشرفت‌های آزمایشگاهی مثل این پژوهش، نشان دهنده‌ی آینده‌ای جذاب در این حوزه است که بتواند پردازش مدل‌های بزرگ به صورت لبه (Edge) را فراهم کند.

✍ عادل برکم
#embeddedAI
#PNN
#EdgeComputing
@embedded