Lightmatter представила экологичный фотонный процессор для ускорения работы ИИ

Компания Lightmatter, называющая себя «ведущим разработчиком кремниевых фотонных процессоров», представила фотонный чип искусственного интеллекта — универсальный акселератор работы алгоритмов ИИ, который использует для передачи и обработки данных не электроны, а фотоны.

По словам разработчиков, использование света для вычислений и обмена данными внутри микросхемы снижает её энергопотребление и нагрев на несколько порядков, а также приводит к значительному увеличению скорости работы процессора.

Как указывает компания, с 2010 года объём вычислительной мощности, необходимой для обучения передовых алгоритмов искусственного интеллекта, вырос в пять раз по сравнению с ростом возможностей электронных интегральных микросхем, масштабируемых по закону Мура. Чтобы устранить это несоответствие, необходим качественный скачок.

«Согласно оценкам Министерства энергетики США, к 2030 году компьютерные и коммуникационные технологии будут потреблять более 8 % мировой энергии. Транзисторы, являющиеся основой традиционных процессоров, не улучшаются; они просто слишком горячие. Создание всё более крупных центров обработки данных — это тупиковая ветвь на пути вычислительного прогресса, — говорит Николас Харрис (Nicholas Harris), основатель и генеральный директор компании Lightmatter. — Нам нужна новая компьютерная парадигма. Оптические процессоры Lightmatter значительно быстрее и более энергоэффективны, чем традиционные процессоры. Мы одновременно способствуем развитию вычислений и уменьшаем их влияние на нашу планету».

Lightmatter собирается представить архитектуру своих фотонных процессоров 18 августа, на мероприятии HotChips32. На данный момент известно, что в составе процессора, изготовленного с применением технологии объемной компоновки, используются более одного миллиарда транзисторов FinFET, десятки тысяч фотонных арифметических устройств, а также сотни преобразователей данных.

Также указывается, что процессор Lightmatter работает со стандартными средами машинного обучения, включая PyTorch и TensorFlow, что позволяет применять самые современные алгоритмы искусственного интеллекта.