Ecole Polytechnique Federale de Lausanne’den (EPFL) bilim insanları, yapay zeka sistemlerinin güç tüketimini azaltabilecek optik hesaplamaya yönelik yeni bir yapı geliştirdi. Bu keşif, sektörde devrim yaratma ve yapay zekayı enerji açısından daha verimli hale getirme potansiyeline sahip.
Derin sinir ağları gibi modern yapay zeka sistemlerinin eğitilmesi ve konuşlandırılması önemli miktarda enerji gerektirir. Bazı tahminlere göre, enerji tüketimindeki mevcut büyüme hızı devam ederse, 2027 yılına kadar yapay zeka modellerine yönelik sunucuların yıllık enerji tüketimi, küçük bir ülkenin enerji tüketimini aşabilir.
EPFL araştırmacıları, verileri işlemek için fotonları kullanan optik hesaplamaya yeni bir yaklaşım önerdiler. Bu, hesaplamaların geleneksel elektronik sistemlere göre çok daha hızlı ve verimli bir şekilde yapılmasını sağlar. Ancak şimdiye kadar optik sistemler, sinir ağlarındaki verileri sınıflandırmak için gereken doğrusal olmayan dönüşümleri gerçekleştirememişti.
EPFL bilim adamları, doğrusal olmayan dönüşümlerin optik olarak gerçekleştirilmesine olanak tanıyan basit bir çözüm geliştirdiler. Görüntü piksellerini düşük güçlü bir lazer ışınının yüzeyinde uzamsal olarak kodlayarak doğrusal olmayan piksel çoğalmasına olanak tanırlar. Bu çözüm, geleneksel elektronik sistemlerden sekiz kat daha az enerji gerektirir.
EPFL Optik Laboratuvarı başkanı Demetri Psaltis, “Metodumuz ölçeklenebilir ve son teknolojiye sahip derin dijital ağlardan 1000 kat daha fazla enerji verimli” diyor.
İsviçre Ulusal Bilim Vakfı’nın Sinergia bağışıyla desteklenen araştırma, Nature Photonics dergisinde yayınlandı. Bilim insanları halihazırda dijital verileri optik sistemlerin kullanabileceği koda çevirecek bir derleyici geliştirmeye çalışıyor.
Bu atılım, sektörü değiştirme ve yapay zekayı enerji açısından daha verimli hale getirme potansiyeline sahip. Ancak ölçeklenebilirliğin sağlanması için daha fazla mühendislik araştırmasına ihtiyaç vardır.
