Pesatnya perkembangan kecerdasan buatan telah menuntut kecepatan transmisi data yang lebih tinggi, dan koneksi kabel tradisional telah menjadi hambatan. Untuk mendobrak batasan ini, tim peneliti yang dipimpin oleh Universitas Michigan sedang mengembangkan sistem koneksi chip baru berdasarkan transmisi gelombang cahaya, yang bertujuan untuk memecahkan masalah "dinding memori" dan mendorong pengembangan lebih lanjut model AI. Proyek ini menerima hibah besar dari National Science Foundation dan didukung oleh sejumlah universitas dan raksasa teknologi, bekerja sama untuk meningkatkan kecepatan transmisi data guna memenuhi permintaan komputasi AI yang terus meningkat.
Dalam perkembangan kecerdasan buatan (AI) saat ini, kecepatan transmisi data telah menjadi hambatan penting yang membatasi kemajuannya. Untuk mendobrak hambatan ini, tim peneliti yang dipimpin oleh Universitas Michigan (UM) sedang mengembangkan sistem koneksi chip baru yang menggunakan gelombang cahaya alih-alih kabel tradisional untuk transmisi data. Inovasi ini diharapkan dapat memecahkan masalah “dinding memori” yang membatasi kecepatan komputasi dan mendorong pertumbuhan lebih lanjut model AI.
Proyek ini menerima pendanaan $2 juta dari Program Semikonduktor Masa Depan National Science Foundation dan melibatkan Universitas Washington, Universitas Pennsylvania, Laboratorium Nasional Lawrence Berkeley, dan empat mitra industri termasuk Google, Hewlett Packard Enterprise, Microsoft, dan Nvidia. Meskipun kecepatan pemrosesan data telah meningkat 60.000 kali lipat dalam 20 tahun terakhir, kecepatan transmisi data antara memori komputer dan prosesor hanya meningkat 30 kali lipat. Peningkatan yang tidak proporsional ini menjadikan transmisi data sebagai hambatan terbesar bagi perluasan model AI.
“Teknologi kami memungkinkan komputasi berkinerja tinggi untuk mengimbangi aliran data yang terus berkembang,” kata Di Liang, peneliti utama proyek tersebut dan profesor teknik elektro dan komputer di UM. “Dengan koneksi optik, kami berharap dapat mencapai puluhan terabit per detik ." Kecepatan transmisi data lebih dari 100 kali lebih cepat dibandingkan sambungan listrik saat ini.”
Saat ini, transfer data antara beberapa memori dan chip prosesor bergantung pada koneksi logam, yang memiliki keterbatasan kecepatan dan bandwidth. Ketika skala model AI terus berkembang, model koneksi terprogram saat ini tidak lagi dapat memenuhi permintaan. Desain baru tim peneliti akan menggunakan karakteristik transmisi cahaya untuk mengirimkan data antar chip melalui saluran yang disebut pandu gelombang optik, sehingga sangat meningkatkan efisiensi transmisi data.
Sorotan lain dari teknologi baru ini adalah kemampuan konfigurasi ulangnya. Para peneliti berencana untuk menggunakan bahan pengubah fasa khusus yang indeks biasnya berubah ketika bahan tersebut distimulasi oleh sinar atau tegangan laser, sehingga memungkinkan penyesuaian jalur cahaya secara fleksibel. Seperti yang dikatakan rekan penulis proyek, Profesor Liang Feng dari Universitas Pennsylvania: "Sama seperti membuka dan menutup jalan, jika perusahaan mengadopsi teknologi ini untuk memproduksi chip, mereka dapat menulis ulang tata letak komponen lain tanpa mengubah tata letak komponen lainnya." Koneksi antara kumpulan chip dan server yang berbeda.”
Selain itu, tim peneliti akan mengembangkan perangkat lunak kontrol aliran yang memantau chip mana yang perlu berkomunikasi secara real time sehingga koneksi dapat disesuaikan dengan cepat. Metode koneksi fleksibel ini tidak hanya meningkatkan efisiensi pemrosesan data, namun juga dapat disesuaikan secara dinamis sesuai dengan kebutuhan model AI yang berbeda.
Program ini juga akan memberikan kesempatan kepada mahasiswa UM untuk bekerja sama dengan industri, sehingga mereka dapat memperoleh pengalaman langsung yang berharga dalam bidang teknologi yang berkembang pesat. Profesor Li berkata: “Kolaborasi dengan industri memungkinkan siswa untuk lebih memahami modern
Teknologi koneksi chip optik yang inovatif ini diharapkan dapat sepenuhnya mengatasi hambatan transmisi data dalam pengembangan AI, memberikan dukungan kuat untuk peningkatan skala dan kinerja model AI di masa depan, dan memberikan peluang pembelajaran praktis yang berharga bagi siswa. Kemampuannya untuk dikonfigurasi ulang dan kontrol alirannya yang fleksibel membuatnya menunjukkan potensi besar dalam aplikasi.