人工智能正逐漸成為現代科技的支柱，從人臉識別到翻譯應用程式，無處不在。然而，驅動這些人工智能模型所需的電力消耗巨大，這引發了對效率和可持續性的質疑。佛羅里達大學的研究人員認為，他們可能找到了一種解決這個問題的方法。他們的新型晶片使用光而不僅僅是電力來執行人工智能最耗能的任務之一。
這款晶片專門設計用來處理卷積運算，這是機器學習中的核心功能。這些運算使人工智能能夠在圖像、視頻和文字中檢測模式，但同時也需要大量的計算能力。研究團隊將光學元件直接整合到硅晶片上，利用激光光束和微型透鏡來更快速且能源需求更低地完成卷積。研究領導者沃爾克·J·索爾格（Volker J. Sorger）表示：「在近乎零能耗的情況下執行關鍵的機器學習計算，對未來的人工智能系統而言是一個重大進展。這對於未來幾年擴展人工智能的能力至關重要。」測試顯示，這款原型晶片在識別手寫數字方面的準確率約為 98%，與傳統晶片相當。
這個系統依賴於兩組弗涅爾透鏡，這些平坦的超薄結構類似於燈塔中的透鏡。每個透鏡的寬度僅比人類的頭髮還要細，並且是通過標準半導體技術刻蝕到晶片上的。為了運行卷積，數據在晶片上轉換成激光光束，然後透過弗涅爾透鏡進行數學轉換，最後將結果轉換回數位信號供人工智能模型使用。研究的合著者、索爾格團隊的研究副教授楊航博（Hangbo Yang）指出：「這是第一次有人將這種類型的光學計算放置在晶片上，並將其應用於人工智能神經網絡。」
這款晶片還可以同時處理多個數據流。研究團隊通過使用不同顏色的激光達成了這一點，這種方法被稱為波長多路復用。楊航博表示：「我們可以讓多種波長或顏色的光同時透過透鏡，這是光子學的一個重要優勢。」這個項目涉及佛羅里達半導體研究所、加州大學洛杉磯分校（UCLA）和喬治華盛頓大學。索爾格指出，像 NVIDIA 這樣的主要企業已經在其人工智能系統中使用光學元件，這可能使新晶片更容易進入商業化應用。「在不久的將來，基於晶片的光學將成為我們日常使用的每一款人工智能晶片的重要部分，而光學人工智能計算就是下一步。」
通過降低能耗同時保持高準確度，佛羅里達團隊的晶片有望幫助擴展人工智能以滿足全球需求。如果這項技術在實驗室之外取得進展，基於光的晶片可能會很快成為許多人日常依賴的人工智能工具的核心。該研究已發佈於《Advanced Photonics》期刊。
