새로운 칩 디자인은 계산을 수행하기 위해 전자 대신 광자를 사용하며, 과학자들은 AI를 훈련시키기 위해 이 기술을 미래의 그래픽 카드에 통합하기를 희망합니다.
과학자들은 전기가 아닌 빛으로 구동되는 새로운 마이크로 칩을 설계했습니다. 이 기술은 오늘날의 최고의 부품보다 미래의 인공 지능 (AI) 모델을 훨씬 빠르고 효율적으로 훈련시킬 수 있는 잠재력을 가지고 있다고 연구자들은 주장합니다.
전자 대신 광자를 사용하여 복잡한 계산을 수행함으로써 이 칩은 고전적인 실리콘 칩 구조의 한계를 극복하고 컴퓨터의 처리 속도를 엄청나게 가속화하는 동시에 에너지 소비를 줄일 수 있다고 과학자들은 2월 16일 네이처 포토닉스 저널에 발표된 새로운 연구에서 말했습니다.
실리콘 칩에는 전압이 가해지면 켜지거나 꺼지는 트랜지스터, 즉 작은 전기 스위치가 있습니다. 일반적으로 말하면, 칩의 트랜지스터 수가 많을수록 연산 능력이 증가하며, 연산하는 데 필요한 전력도 증가합니다.
컴퓨터 역사를 통틀어 칩은 생산 비용이나 에너지 소비의 증가 없이 트랜지스터 수가 2년마다 두 배로 증가한다는 무어의 법칙을 고수해 왔습니다. 하지만 실리콘 칩에는 트랜지스터가 작동할 수 있는 최대 속도, 저항으로 발생하는 열, 그리고 과학자들이 만들 수 있는 가장 작은 크기의 칩 등 물리적인 한계가 있습니다.
이는 미래에 전력 수요가 증가함에 따라 수십억 개의 트랜지스터를 점점 더 작은 실리콘 전자 칩에 적층하는 것이 불가능할 수 있음을 의미합니다. 특히 전력이 부족한 AI 시스템의 경우 더욱 그렇습니다.
관련: 세계 최대 컴퓨터 칩인 WSE-3는 현재 기록 보유자보다 8배 빠른 거대 AI 슈퍼컴퓨터에 전력을 공급할 것입니다
그러나 광자를 사용하는 것은 전자보다 많은 장점이 있습니다. 첫째, 그들은 빛의 속도에 도달할 수 없는 전자보다 더 빠르게 움직입니다. 전자는 이러한 속도에 가깝게 움직일 수 있지만, 그러한 시스템은 실행 불가능하고 엄청난 양의 에너지를 필요로 합니다. 따라서 빛을 사용하는 것은 훨씬 덜 에너지 집약적일 것입니다. 광자는 또한 질량이 없고 전하를 운반하는 전자와 같은 방식으로 열을 방출하지 않습니다.
그들의 칩을 설계하면서, 과학자들은 벡터-matrix 곱셈이라고 알려진 계산을 수행할 수 있는 가벼운 기반의 플랫폼을 만드는 것에 착수했습니다. 이것은 신경망을 훈련하는데 사용되는 주요한 수학적 연산들 중 하나입니다 – 인간 뇌의 구조를 모방하도록 배열된 기계 학습 모델. ChatGPT와 구글의 제미니와 같은 인공지능 도구들은 이런 방식으로 훈련됩니다.
기존의 실리콘 칩처럼 반도체에 균일한 높이의 실리콘 웨이퍼를 사용하는 대신, 과학자들은 특정한 영역에서만 실리콘을 얇게 만들었습니다.
“다른 물질을 첨가하지 않고도 높이의 변화는 칩을 통한 빛의 전파를 제어하는 수단을 제공합니다. 왜냐하면 높이의 변화는 특정한 패턴으로 빛을 산란시키도록 분배되어 칩이 빛의 속도로 수학적 계산을 수행할 수 있기 때문입니다.”라고 펜실베니아 대학의 물리학 교수인 공동저자 Nader Engheta는 성명서에서 말했습니다.
연구원들은 자신들의 디자인이 기존의 생산 방법에 적응할 필요 없이 들어갈 수 있다고 주장합니다. 왜냐하면 그들이 포토닉 칩을 만드는 데 사용했던 방법들이 기존의 칩을 만드는 데 사용했던 방법들과 같았기 때문입니다.
그들은 이 설계도식이 최근 몇 년간 수요가 급증한 그래픽 처리 장치 (GPU)를 증강하는데 사용되도록 조정될 수 있다고 덧붙였습니다. 그 이유는 이 부품들이 구글의 제미니나 OpenAI의 ChatGPT와 같은 대형 언어 모델 (LLM)을 훈련하는데 핵심적이기 때문입니다.
“그들은 실리콘 포토닉스 플랫폼을 추가 기능으로 채택할 수 있습니다”라고 펜실베니아 대학의 전기 공학 교수인 공동 저자인 Firooz Aflatouni는 성명서에서 말했습니다. “그리고 나서 여러분은 [인공지능] 훈련과 분류에 속도를 낼 수 있습니다.”