Minh Nguyệt
Intern Writer
Trí tuệ nhân tạo đang ngày càng trở thành một phần không thể thiếu trong cuộc sống hàng ngày của chúng ta. Tuy nhiên, nhu cầu về các mẫu hình phức tạp và lớn hơn cũng ngày càng gia tăng. Điều này dẫn đến một thách thức lớn: sức mạnh tính toán và khả năng xử lý thông tin đang phát triển nhanh hơn rất nhiều so với hiệu suất mà các máy tính truyền thống có thể cung cấp. Để vượt qua những giới hạn này, nhiều nghiên cứu đang dần chuyển hướng sang những công nghệ sáng tạo như mạng nơ-ron vật lý, một loại mạch tương tự tận dụng trực tiếp các quy luật của vật lý (như tính chất của chùm sáng, hiện tượng lượng tử) để xử lý thông tin.
Một nghiên cứu mới được công bố trên tạp chí Nature đã khám phá tiềm năng của những công nghệ này. Nghiên cứu là kết quả hợp tác của nhiều viện nghiên cứu quốc tế, bao gồm Politecnico di Milano, École Polytechnique Fédérale Lausanne, Stanford University, University of Cambridge, và Max Planck Institute. Bài viết mang tên "Training of Physical Neural Networks" đã trình bày những bước tiến trong việc đào tạo các mạng nơ-ron vật lý, với sự tham gia của giáo sư Francesco Morichetti từ Khoa Điện tử, Thông tin và Kỹ thuật Sinh học, người đứng đầu Phòng thí nghiệm Thiết bị Quang học của trường. Politecnico di Milano đã đóng góp vào nghiên cứu này bằng cách phát triển các chip quang học cho việc tạo ra các mạng nơ-ron, khai thác công nghệ quang tích hợp.
Các phép toán toán học như phép cộng và phép nhân hiện nay có thể được thực hiện thông qua các cơ chế giao thoa ánh sáng trên các vi mạch silicon chỉ vài milimet vuông. "Bằng cách loại bỏ các phép toán cần thiết cho việc số hóa thông tin, các chip quang học của chúng tôi cho phép thực hiện các phép tính với sự giảm thiểu đáng kể cả về mức tiêu thụ năng lượng lẫn thời gian xử lý," Morichetti chia sẻ. Đây là một bước tiến quan trọng để biến trí tuệ nhân tạo, vốn phụ thuộc vào các trung tâm dữ liệu tiêu tốn năng lượng lớn, trở nên bền vững hơn.
Nghiên cứu còn tập trung vào giai đoạn đào tạo, thời điểm mạng nơ-ron học cách thực hiện các nhiệm vụ cụ thể. "Với nghiên cứu của chúng tôi trong Khoa Điện tử, Thông tin và Kỹ thuật Sinh học, chúng tôi đã giúp phát triển một kỹ thuật đào tạo 'tại chỗ' cho các mạng nơ-ron quang học, tức là không thông qua các mô hình số. Quy trình này được thực hiện hoàn toàn bằng cách sử dụng tín hiệu ánh sáng. Do đó, việc đào tạo mạng sẽ không chỉ nhanh hơn mà còn mạnh mẽ và hiệu quả hơn," Morichetti cho biết thêm.
Việc sử dụng các chip quang học sẽ mở ra cơ hội phát triển các mô hình trí tuệ nhân tạo tinh vi hơn, hoặc các thiết bị có khả năng xử lý dữ liệu thời gian thực ngay tại chỗ - như xe tự lái hay cảm biến thông minh tích hợp vào thiết bị cầm tay - mà không cần tới xử lý từ xa. Thông tin chi tiết về nghiên cứu có thể tham khảo trong bài viết của Ali Momeni và các cộng sự tại tạp chí Nature.
Nguồn tham khảo: Techxplore
Một nghiên cứu mới được công bố trên tạp chí Nature đã khám phá tiềm năng của những công nghệ này. Nghiên cứu là kết quả hợp tác của nhiều viện nghiên cứu quốc tế, bao gồm Politecnico di Milano, École Polytechnique Fédérale Lausanne, Stanford University, University of Cambridge, và Max Planck Institute. Bài viết mang tên "Training of Physical Neural Networks" đã trình bày những bước tiến trong việc đào tạo các mạng nơ-ron vật lý, với sự tham gia của giáo sư Francesco Morichetti từ Khoa Điện tử, Thông tin và Kỹ thuật Sinh học, người đứng đầu Phòng thí nghiệm Thiết bị Quang học của trường. Politecnico di Milano đã đóng góp vào nghiên cứu này bằng cách phát triển các chip quang học cho việc tạo ra các mạng nơ-ron, khai thác công nghệ quang tích hợp.
Các phép toán toán học như phép cộng và phép nhân hiện nay có thể được thực hiện thông qua các cơ chế giao thoa ánh sáng trên các vi mạch silicon chỉ vài milimet vuông. "Bằng cách loại bỏ các phép toán cần thiết cho việc số hóa thông tin, các chip quang học của chúng tôi cho phép thực hiện các phép tính với sự giảm thiểu đáng kể cả về mức tiêu thụ năng lượng lẫn thời gian xử lý," Morichetti chia sẻ. Đây là một bước tiến quan trọng để biến trí tuệ nhân tạo, vốn phụ thuộc vào các trung tâm dữ liệu tiêu tốn năng lượng lớn, trở nên bền vững hơn.
Nghiên cứu còn tập trung vào giai đoạn đào tạo, thời điểm mạng nơ-ron học cách thực hiện các nhiệm vụ cụ thể. "Với nghiên cứu của chúng tôi trong Khoa Điện tử, Thông tin và Kỹ thuật Sinh học, chúng tôi đã giúp phát triển một kỹ thuật đào tạo 'tại chỗ' cho các mạng nơ-ron quang học, tức là không thông qua các mô hình số. Quy trình này được thực hiện hoàn toàn bằng cách sử dụng tín hiệu ánh sáng. Do đó, việc đào tạo mạng sẽ không chỉ nhanh hơn mà còn mạnh mẽ và hiệu quả hơn," Morichetti cho biết thêm.
Việc sử dụng các chip quang học sẽ mở ra cơ hội phát triển các mô hình trí tuệ nhân tạo tinh vi hơn, hoặc các thiết bị có khả năng xử lý dữ liệu thời gian thực ngay tại chỗ - như xe tự lái hay cảm biến thông minh tích hợp vào thiết bị cầm tay - mà không cần tới xử lý từ xa. Thông tin chi tiết về nghiên cứu có thể tham khảo trong bài viết của Ali Momeni và các cộng sự tại tạp chí Nature.
Nguồn tham khảo: Techxplore
