商傳媒｜責任編輯／綜合外電報導
澳洲雪梨大學（University of Sydney）的研究團隊，近日成功打造出一款奈米光子晶片原型，該晶片利用光而非傳統的電力進行人工智慧（AI）運算。這項實驗性的設備透過光子處理資訊，使運算速度達到兆分之一秒。
這款原型晶片在雪梨奈米中心（Sydney Nano Hub）開發，旨在重新設計運算硬體，以滿足日益成長的AI系統需求。不同於依賴電子訊號，此晶片透過光在嵌入設備中的奈米級結構中傳輸，進而執行運算。
研究人員表示，這種方法有助於解決AI基礎設施擴張所面臨的最大挑戰之一：能源消耗。運行大型AI模型的資料中心需要消耗大量的電力，並仰賴冷卻系統來維持傳統矽晶片的運作。
傳統處理器透過導線移動帶電粒子，即電子。這個過程會產生電阻和熱，因此需要高耗能的冷卻系統來維持安全的工作溫度。
奈米光子晶片採取不同的方法，它不推動電子通過電路，而是引導光通過微小的結構，這些結構只有幾十微米寬，約為人類頭髮的厚度。當光子通過這些奈米結構時，結構本身會執行機器學習所需的計算，從而無需單獨的電子處理步驟。
該晶片的架構被設計成神經網路，這是一種模仿人類大腦處理資訊方式的系統。奈米結構的物理布局充當人工神經元，使光在設備上傳輸時能夠進行模式識別和分類任務。
該大學電機與計算機工程學院光子學研究組負責人 Xiaoke Yi 教授表示，該項目展示了一種新的運算硬體設計思路。他指出，此研究使用光進行神經運算，從而實現更快、更節能且超緊湊的AI加速器。
為了評估該原型，研究團隊訓練該晶片對超過 1 萬張生物醫學圖像進行分類，資料集包括乳房、胸部和腹部的核磁共振（MRI）掃描圖。模擬和實驗室實驗均顯示，該光子神經網路可以識別準確率在 90% 到 99% 之間的圖像。每次計算都以皮秒級的時間尺度發生，意味著當光通過奈米結構時，運算在兆分之一秒內完成。
研究結果表明，神經網路模型可以物理嵌入到奈米級光子結構中，而不是作為軟體在傳統處理器上運行。隨著全球科技公司和政府持續擴大AI基礎設施，這項研究成果適時出現。每一個新的資料中心都會增加電網的壓力，並增加對冷卻資源的需求。光子運算有助於減輕這種負擔，因為光可以在材料中傳輸而不會產生電阻，與電子晶片相比，可顯著降低熱量的產生和功耗。
研究團隊已花費超過十年時間探索將光子學應用於運算和感測技術的方法。他們的下一步是將設計擴展到更大的光子神經網路，使其能夠處理更複雜的資料集。如果該技術成功擴展，光子晶片最終可以在某些AI工作負載中補充或取代傳統處理器，為未來的系統提供更快、更節能的硬體。
這項研究已發表在《自然通訊》（Nature Communications）期刊上。
