Den här artikeln har genomgått granskning i enlighet med Science X:s redaktionella process och riktlinjer. Redaktörerna har betonat följande egenskaper samtidigt som de säkerställer innehållets trovärdighet: Mikroskopibilden för spaltkopplarna och direkta kopplare i chipdesignen, tillsammans med de detaljerade storlekarna för de direkta kopplarna som bestämts av FTDT-simuleringar, presenteras som enhetsdetaljer för Taichi chiplets. Mikroskopibilden för kantkopplaren som används för laseringång och mikroskopibilden för fasändrarna är också inkluderade. Ett team av ingenjörer från Tsinghua University och Beijing National Research Center for Information Science and Technology i Kina har utvecklat en storskalig diffraktiv hybridfotonisk AI-chiplet för tillämpningar inom högeffektiv allmän artificiell intelligens. Studien publiceras i Science. Eftersom AI-mjukvara har blivit vanligt förekommande har datoringenjörer strävat efter att utveckla hårdvara som antingen kan förbättra effektiviteten hos AI-mjukvara eller möjliggöra direkt AI-beräkning. I denna studie fokuserade det kinesiska teamet på det senare och hade som mål att påskynda och optimera AI-processen. För att uppnå detta skapade de en chiplet - en integrerad krets som utför specifika delar av funktionalitet och vanligtvis används i samband med andra chiplets för att slutföra uppgifter baserade på ljus istället för elektricitet. Det centrala målet med denna forskning är att konstruera en modell för artificiell allmän intelligens (AGI).

Denna modell skulle bestå av olika chiplets, inklusive sådana som Taichi, som tillsammans skulle bilda en dator baserad på neurala nätverk med artificiell intelligenskapacitet som är i paritet med eller överträffar de hos den mänskliga hjärnan. En av de främsta utmaningarna med att skapa en sådan modell ligger i den beräkningskraft som krävs. För närvarande är grafikbearbetningsenheter de huvudsakliga komponenterna som används i dessa system, men mer avancerad teknik behövs för att ett AI-system ska kunna matcha den mänskliga intelligensen. Det kinesiska teamet föreslår att använda ljus istället för elektricitet för bearbetning, eftersom detta tillvägagångssätt skulle förbruka mindre energi och möjliggöra snabbare beräkningar. Forskarna betonar att Taichi utformades och konstruerades på liknande sätt som andra ljusbaserade chiplets, men med fördelen av enklare skalbarhet, vilket möjliggör integrationen av flera chiplets för att bilda en AGI. Under tester upptäckte teamet att deras design uppnådde en nätverksskala på 13, 96 miljoner artificiella neuroner, vilket avsevärt överträffar de 1, 47 miljoner som rapporterats av andra tillverkare av chiplets. För mer information, se: Zhihao Xu et al, Large-scale photonic chiplet Taichi empowers 160-TOPS/W artificial general intelligence, Science (2024). DOI: 10. 1126/science. adl1203