به گزارش پایگاه خبری تحلیلی فنآوری های هوشمند به نقل از اینترستینگ انجینرینگ، این امر با ارتقای سرعت انتقال داده، افزایش کارآمدی و کاهش برق مصرفی، آموزش مدل‌های هوش مصنوعی را بهبود می بخشد. محققان از مدت‌ها قبل مشغول توسعه سیستم‌های رایانشی مبتنی بر کوانتوم مکانیکی هستند اما حداقل چند سال طول می‌کشد تا این رایانه‌ها به طور گسترده عرضه شوند. شکوفایی اخیر مدل‌های هوش مصنوعی در فناوری به افزایش تقاضا برای رایانه‌هایی منجر شده که می‌توانند مقدار عظیمی از اطلاعات را پردازش کنند اما باید در نظر داشت سیستم‌های رایانشی ناکارآمد به میزان زیادی انرژی مصرف می‌کنند.
در همین راستا گروهی از محققان به رهبری نادر انقطاع، پژوهشگر برجسته ایرانی و پروفسور دانشکده مهندسی و علوم کاربردی دانشگاه پنسیلوانیا یک تراشه سیلیکون-فوتونیک ابداع کرده اند که میتواند با کمک نور محاسبات ریانشی را انجام دهد. محققان به دلیل آنکه نور سریع ابزاری برای انتقال داده‌ها است، آن را در تحقیق خود به کار گرفتند. البته آنها از سیلیکون که ماده‌ای فراوان است، استفاده کردند تا بتوانند فناوری را به سرعت مقیاس پذیر کنند.
محققان تصمیم داشتند تراشه‌ای بسازند که بتواند ضرب ماتریکس برداری را انجام دهد. این یک محاسبه ریاضی معمول است که به طور گسترده در توسعه و عملکرد شبکه‌های عصبی استفاده می‌شود که در ایجاد ساختار لازم برای تقویت مدل‌های هوش مصنوعی فعلی، نقشی مهم دارند.
از آنجا که تراشه از سیلیکون ساخته می‌شود، محققان می‌توانستند فرایند ساخت را به طور کامل دوباره ابداع کنند اما در عوض آنها ارتفاع تراشه در برخی مناطق را کاهش دادند تا شیوه انتشار نور داخل تراشه را کنترل کنند.
ایجاد یک تراشه عریض‌تر به پراکندگی نور منجر می‌شود اما محققان با کنترل اختلاف ارتفاع توانستند حرکت نور را داخل تراشه به شکل یک خط مستقیم کنترل کنند.
فیروز افلاطونی یکی از استادیاران بخش مهندسی الکترونیک و سیستم‌ها در دانشگاه پنسیلوانیا در این باره می‌گوید: تراشه‌های تازه ابداع شده می‌توانند جایگزین واحدهای پردازش گرافیکی(GPU) شوند که شرکت‌ها از آن برای آموزش و طبقه بندی مدل‌های هوش مصنوعی استفاده می‌کنند.
