빛으로 구동되는 광자 칩, AI에 더 빠른 학습 가능성

 

새로운 칩 설계는 전자가 아닌 광자를 사용하여 계산을 수행

 

미래의 그래픽 카드에 통합하여 AI를 훈련시킬 수 있기를 희망

 

 

 

과학자들이 전기가 아닌 빛으로 구동되는 새로운 마이크로칩을 설계했습니다. 이 기술은 오늘날 최고의 구성 요소보다 훨씬 빠르고 효율적으로 미래의 인공 지능(AI) 모델을 훈련할 수 있는 잠재력을 가지고 있다고 연구자들은 주장합니다.

 

과학자들은 전자가 아닌 광자를 사용하여 복잡한 계산을 수행함으로써 이 칩은 기존 실리콘 칩 아키텍처의 한계를 극복하고 컴퓨터의 처리 속도를 크게 가속화하는 동시에 에너지 소비도 줄일 수 있다고 2월 16일 네이처 포토닉스 저널에 발표된 새로운 연구에서 밝혔습니다.

실리콘 칩에는 전압이 가해지면 켜지거나 꺼지는 트랜지스터 또는 작은 전기 스위치가 있습니다. 일반적으로 칩에 트랜지스터가 많을수록 컴퓨팅 성능이 향상되고 작동하는 데 더 많은 전력이 필요합니다.

 

컴퓨팅 역사를 통틀어 칩은 생산 비용이나 에너지 소비의 증가 없이 2년마다 트랜지스터 수가 2배로 증가한다는 무어의 법칙을 준수해 왔습니다. 그러나 실리콘 칩에는 트랜지스터가 작동할 수 있는 최대 속도, 저항에서 발생하는 열, 과학자들이 만들 수 있는 가장 작은 칩 크기 등 물리적 한계가 있습니다.

 

 

이는 향후 전력 수요가 증가함에 따라, 특히 전력 소모가 많은 AI 시스템의 경우 점점 더 작은 실리콘 전자 칩에 수십억 개의 트랜지스터를 쌓는 것이 불가능할 수도 있음을 의미합니다.

 

그러나 광자를 사용하면 전자에 비해 많은 이점이 있습니다. 첫째, 빛의 속도에 도달할 수 없는 전자보다 더 빠르게 움직입니다. 전자는 이러한 속도에 근접한 속도로 움직일 수 있지만, 이러한 시스템에는 엄청난 양의 에너지가 필요하며 이는 실현 불가능한 일입니다. 따라서 빛을 사용하면 에너지 집약도가 훨씬 낮아집니다. 또한 광자는 질량이 없으며 전하를 운반하는 전자와 같은 방식으로 열을 방출하지 않습니다.

과학자들은 칩을 설계할 때 벡터 행렬 곱셈이라는 연산을 수행할 수 있는 빛 기반 플랫폼을 구축하기로 했습니다. 이는 인간 두뇌의 구조를 모방하도록 배열된 머신러닝 모델인 신경망을 훈련하는 데 사용되는 주요 수학적 연산 중 하나입니다. ChatGPT 및 Google의 Gemini와 같은 AI 도구는 이러한 방식으로 학습됩니다.

 

과학자들은 기존 실리콘 칩처럼 일정한 높이의 실리콘 웨이퍼를 반도체에 사용하는 대신 특정 영역에서만 실리콘을 더 얇게 만들었습니다.

 

"다른 재료를 추가하지 않고도 이러한 높이의 변화는 칩을 통한 빛의 전파를 제어하는 수단을 제공합니다. 높이의 변화를 분산시켜 빛이 특정 패턴으로 산란되도록 하여 칩이 빛의 속도로 수학적 계산을 수행할 수 있기 때문입니다."라고 공동 수석 저자이자 펜실베니아 대학교 물리학 교수인 Nader Engheta는 성명에서 설명했습니다.

 

연구진은 자신들의 설계가 기존의 생산 방식을 개조할 필요 없이 기존 생산 방식에 적용할 수 있다고 주장합니다. 광자 칩을 만드는 데 사용한 방법이 기존 칩을 만드는 데 사용된 방법과 동일하기 때문입니다.

 

연구팀은 이 설계도를 최근 수요가 급증하고 있는 그래픽 처리 장치(GPU)에도 적용할 수 있다고 덧붙였습니다. 이러한 구성 요소는 Google의 Gemini나 OpenAI의 ChatGPT와 같은 대규모 언어 모델(LLM)을 학습하는 데 핵심적인 역할을 하기 때문입니다.

 

"실리콘 포토닉스 플랫폼을 애드온으로 채택할 수 있습니다."라고 공동 저자인 펜실베이니아 대학교의 전기공학과 교수인 피루즈 아플라투니는 성명에서 말했습니다. "그러면 [AI] 학습과 분류 속도를 높일 수 있습니다."

 

 

 

 

출처. livescience