خبر کامل
انقلاب در محاسبات: اولین چیپست مایکروویو جهان با سرعت ۲۰ گیگاهرتز و مصرف انرژی زیر ۰.۲ وات
دانشمندان با معرفی اولین چیپست کامپیوتری جهان که برای پردازش اطلاعات از امواج مایکروویو بهره می‌برد، گامی بزرگ در جهت تحول سرعت و بهینه‌سازی مصرف انرژی در دنیای محاسبات برداشته‌اند. این فناوری نوین که بر پایه شبکه‌های عصبی مایکروویو (MNN) بنا شده، قابلیت‌های پردازشی بی‌سابقه‌ای را نوید می‌دهد و مسیر دنیای کامپیوتر را به سوی آینده‌ای پرسرعت و بهینه‌تر هموار می‌سازد.
جزئیات این دستاورد علمی اخیر که پتانسیل بالایی در تحول سرعت و مصرف انرژی دارد، در نشریه معتبر Nature Electronics منتشر شده است.
سرعت بی‌سابقه و مصرف انرژی ناچیز در چیپست مایکروویو
این میکروچیپ انقلابی، برخلاف مدارهای دیجیتال سنتی که بر مبنای جریان الکتریکی کار می‌کنند، از امواج مایکروویو آنالوگ برای انجام عملیات استفاده می‌کند. تفاوت عملکردی و مصرف انرژی این تراشه با پردازنده‌های رایج، چشمگیر است:
مقایسه عملکردی با پردازنده‌های سنتی (CPU)
| ویژگی | چیپست مایکروویو (MNN) | پردازنده‌های خانگی (CPU) |
|---|---|---|
| سرعت پردازش | حداقل ۲۰ میلیارد عملیات در ثانیه (ده‌ها گیگاهرتز) | ۲.۵ تا ۴ گیگاهرتز |
| مصرف انرژی | کمتر از ۲۰۰ میلی‌وات (کمتر از ۰.۲ وات) | حداقل ۶۵ وات |
چیپست مایکروویو قادر به پردازش جریان‌های داده‌ای با سرعتی است که به مراتب از سرعت پردازنده‌های کامپیوترهای خانگی فراتر می‌رود. همچنین، این اختلاف فاحش در مصرف انرژی، آن را به یک گزینه ایده‌آل برای کاهش چشمگیر نیازهای برق در مراکز داده و دستگاه‌های کوچک تبدیل می‌کند.
کاربردهای کلیدی در هوش مصنوعی و محاسبات لبه‌ای
این چیپست با استفاده از امواج مایکروویو در ساختار شبکه عصبی، الگوهای شانه‌مانندی در شکل‌موج‌ها ایجاد می‌کند که امکان اندازه‌گیری‌های سریع و دقیق فرکانس‌ها را فراهم می‌سازد. محققان گزارش داده‌اند که این تراشه قادر است عملیات پیچیده‌ای را با دقت بالا انجام دهد:
- انجام عملیات منطقی ساده و محاسبات پیشرفته.
- تشخیص توالی‌های باینری و شناسایی الگوها در داده‌های پرسرعت.
- دقت عملکرد: ۸۸ درصد در محاسبات پیشرفته.
مصرف انرژی پایین و سرعت بالای این تراشه، آن را برای کاربرد در زمینه‌های زیر کاملاً مناسب می‌سازد:
- دستگاه‌های شخصی و فناوری‌های پوشیدنی.
- سیستم‌های هوش مصنوعی (AI).
- محاسبات لبه‌ای (Edge Computing).
استفاده از این چیپست می‌تواند تأخیر (Latency) در پردازش داده‌ها را به شدت کاهش داده و به عنوان جایگزینی قدرتمند برای آموزش مدل‌های هوش مصنوعی مطرح شود.
تلاش محققان دانشگاه کورنل برای کوچک‌سازی و افزایش قدرت
تیمی از محققان دانشگاه کورنل، به رهبری بال گاویند و آلیسا آپسل، در حال برنامه‌ریزی برای گام‌های بعدی توسعه این فناوری هستند. هدف اصلی، ساده‌سازی طراحی و کاهش ابعاد فیزیکی چیپست است.
آن‌ها قصد دارند با کاهش تعداد موج‌برهای نوری، به یک تراشه فشرده‌تر دست یابند. یک تراشه کوچک‌تر و فشرده‌تر می‌تواند با استفاده از ترکیب‌کننده‌های متصل به هم، طیف خروجی غنی‌تری تولید کند و به این ترتیب، به بهبود و تسریع فرآیند آموزش شبکه‌های عصبی کمک شایانی نماید.
درباره هوش‌مصنوعی دست‌اول:
تمامی اخبار دست‌اول توسط دستیار هوش مصنوعی «هوشنگ» پردازش، صحت‌سنجی، خلاصه و بازنویسی شده است. هوشنگ هر روز با داده‌های جدید آموزش داده می‌شود و با نظارت دقیق انسانی و سردبیری دست‌اول در حال بهتر شدن است.
شما می‌توانید از چت‌بات و سایر ابزارهای هوشنگ به صورت رایگان استفاده کنید.
