جمعه, ۲۶ تیر , ۱۴۰۵ Friday, 17 July , 2026 ساعت تعداد نوشته های امروز : 7×

تیتر اخبار آکادمی

داستان دموسین؛ وقتی کد به هنر تبدیل شد: سفری به دل فرهنگ هکری اروپا آخرالزمانی که رخ نداد: داستان فاجعه باگ Y2K در سال 2000 رنجبر: ۲ زندانی خراسان شمالی در کنکور کارشناسی ارشد شرکت کردند تخم‌مرغ شانسی (Easter Egg) در کدهای نرم‌افزاری: نبرد یک برنامه‌نویس برای جاودانگی در دنیای آتاری وب‌سایت یک میلیون دلاری: دانشجویی که با فروش پیکسل‌ها تاریخ‌ساز شد نقش روانشناسان و مشاوران در تقویت تاب آوری ملی و سلامت اجتماعی رئیس سازمان نظام روان‌شناسی خواستار حمایت دولت از دانش‌آموزان مناطق جنگزده شد آزمون کارشناسی ارشد ۱۴۰۵ در مشهد رقابت ۶۵۰ هزار نفری در کنکور ارشد؛ سهم یک‌درصدی سمنان از ماراتن علمی رقابت بیش از ۸هزار داوطلب کارشناسی ارشد ناپیوسته در چهارمحال و بختیاری آزمون کارشناسی ارشد ۱۴۰۵ در تبریز خطر افزایش ابتلا به بیماری‌های روانی با مصرف ماری‌جوانا/ گزارش ساینس‌دیلی ناجی خاموش میلیون‌ها کارمند: لری تسلر و انقلابی به نام «کپی و پیست» درمان آلزایمر با داروی اختلال دوقطبی نقش مغز در پرخوری؛ نوروساینس چه می‌گوید؟ دستاورد پژوهشگران دانشگاه تهران در حوزه امنیت هوش مصنوعی روبات انسان نما به یک کودک لگد زد انویدیا با غول‌های فناوری کره جنوبی قرارداد بست روبات انسان نما به قله ۶۲۰۰ متری صعود کرد! روبات انسان نما فروشگاه ۲۴ ساعته را می گرداند محقق ایرانی پمپ مینیاتوری برای نرم روبات‌ها ابداع کرد روبات انسان نمای چینی کارگر آزمایشی انبار می شود علی بابا هوش مصنوعی برای روبات ها ارائه کرد روبات ایتالیایی به کمک بیماران ALS آمد مذاکره با دستگاه‌ها برای توسعه صادرات محصولات فریلنسرها ثبت‌نام سومین دوره المپیک فناوری ۲۰۲۶ آغاز شد برگزاری فیراکاپ آزادایران ۲۰۲۶ در دانشگاه صنعتی امیرکبیر روبات‌های انسان نما ۶ روز کارگری کردند پیروزی قاطع ۱۰ بر صفر نمایندگان ایران مقابل آمریکا در ربوکاپ ۲۰۲۶ ربات‌ها حس لامسه پیدا می‌کنند؛ آغاز رقابت جدید در هوش مصنوعی فیزیکی روبات انسان‌نما به همکارانش حمله کرد روبات انسان‌نما برای نخستین بار جراحی کرد خطر جراحات ناشی از حمل بار با اگزواسکلتون جدید کمتر می شود رقابت دانشجویان و دانش آموزان در ۲۱ لیگ رباتیک و هوش مصنوعی در فیراکاپ تعیین زمان امتحانات نهایی و کنکور در اختیار مراجع اجرایی است تاثیر شبکه‌های اجتماعی بر اضطراب و مهارت‌های ارتباطی جوان آیکن Save و معمای فلاپی دیسک: چگونه یک قطعه پلاستیکی منسوخ، جاودانه شد؟ راز پیوند عاطفی عمیق کودکان با «خاله» و «عمه» فضانوردان روسیه و ناسا امروز به فضا می‌روند چرا حس درونی برخی افراد با دوره بزرگسالی تطابق ندارد؟ نکاتی درباره مشکلات خواب در کودکان یادگیری زبان‌ها می‌تواند مغز را جوان‌تر کند اهمال کاری یا کمال گرایی؟/ اینفوگرافیک کاهش اضطراب با ۵ راهکار علمی و در عین حال ساده ترک سیگارخطر ابتلا به زوال عقل را کاهش می‌دهد! تکمیل مدارس نیمه‌تمام در اولویت سازمان نوسازی مدارس راه‌اندازی 2 رشته جدید کاردانش در حوزه حمل‌ونقل ریلی کشور سربازان امریه آموزش‌وپرورش باید برای دوره آموزش رزم اقدام کنند تمدید ثبت‌نام در امتحانات ترمیم سابقه تحصیلی تا ساعت 15 امروز وزارت آموزش و پرورش زمان جدید آزمون دین و زندگی یازدهم را اعلام کرد

تراشه‌های هوش مصنوعی قابل رقابت چین با «انویدیا»
1404-09-30
شناسه : 3880
بازدید 177
28

تراشه‌های هوش مصنوعی مبتنی بر نور چین در برخی وظایف، سرعتی ۱۰۰ برابر سریع‌تر از پردازنده‌های گرافیکی شرکت «انویدیا» ارائه می‌دهند.

ارسال توسط :
پ
پ

به گزارش ایسنا، تراشه‌های جدید هوش مصنوعی فوتونیک چینی به افزایش سرعت و کارایی فوق‌العاده‌ای دست می‌یابند، البته فعلا فقط برای حجم کاری محدود موفق به انجام این کار می‌شوند.

به نقل از آی‌ای، دانشمندان چینی ظاهراً مجموعه‌ای از ریزتراشه‌های فوتونیک (مبتنی بر نور) جدید را توسعه داده‌اند که می‌توانند از نظر سرعت و کارایی، بیش از ۱۰۰ برابر از واحدهای پردازش گرافیکی(GPU) هوش مصنوعی پیشروی شرکت «انویدیا»(NVIDIA) پیشی بگیرند.

طبق ادعاها، این تراشه‌های جدید می‌توانند به راحتی فناوری پیشروی «انویدیا» را در برخی وظایف تولیدی خاص، مانند تولید ویدئو و ترکیب تصویر شکست دهند. این چشمگیر به نظر می‌رسد، اما درک این نکته مهم است که آنها جایگزین مستقیمی برای پردازنده‌های گرافیکی به سبک «انویدیا» برای کاربردهای عمومی نیستند.

اگر این ادعاها درست باشند، نمایانگر یک معماری محاسباتی جدید برای حجم کاری هوش مصنوعی با تعریف محدود، به خصوص برای وظایفی مانند بینش رایانه‌ای و ایجاد تصویر تولیدی هستند.

پردازنده‌های گرافیکی «انویدیا» مانند پردازنده گرافیکی محبوب «A۱۰۰» از الکترون‌هایی که از طریق ترانزیستورها جریان می‌یابند برای کار استفاده می‌کنند. این امر آنها را قادر می‌سازد تا دستورالعمل‌ها را گام به گام اجرا کنند و ثابت شده است که بسیار انعطاف‌پذیر هستند، یعنی می‌توانند برنامه‌های زیادی را به طور همزمان اجرا کنند. با این حال، چنین تراشه‌هایی بسیار پرمصرف هستند و می‌توانند خیلی سریع داغ شوند. همچنین برای تولید آنها به دستگاه‌های پیشرفته نیاز است.

فوتون به جای الکترون

این تراشه‌های فوتونی جدید چینی مانند ACCEL و LightGen از فوتون به جای الکترون برای کار استفاده می‌کنند. آنها می‌توانند محاسبات را از طریق تداخل نوری انجام دهند که باعث می‌شود فوق‌العاده سریع و فوق‌العاده کارآمد باشند.

با این حال، آنها برخلاف پردازنده‌های گرافیکی «انویدیا» از نظر انعطاف‌پذیری نسبتاً محدود هستند، اما می‌توان آنها را با استفاده از فرآیندهای ساخت قدیمی‌تر به راحتی ساخت.

تراشه ACCEL که توسط محققان دانشگاه شینهوا(Tsinghua) توسعه داده شده است، یک تراشه هیبریدی متشکل از اجزای فوتونیک و قطعات تراشه الکترونیکی آنالوگ است. این تراشه‌ها را می‌توان با استفاده از فناوری قدیمی‌تر ساخت و نشان داده است که ۴.۶ پتافلاپس عملیات را در حالی که مقدار کمی برق برای اجرا مصرف می‌کند، انجام می‌دهد.

یک پتافلاپس نشان دهنده یک کوادریلیون (۱۰ به توان ۱۵) عملیات در ثانیه (۱۰۰۰ تریلیون) است. این باورنکردنی به نظر می‌رسد، اما توجه به این نکته مهم است که این تراشه‌ها کد اجرا نمی‌کنند و عملیات سنگین حافظه مانند تراشه‌های «انویدیا» را انجام نمی‌دهند. آنها فقط عملیات ریاضی آنالوگ از پیش تعیین شده را انجام می‌دهند که برای کارهایی مانند تشخیص تصویر، دید در نور کم و غیره کاملاً مناسب است.

چنین تراشه‌هایی هرگز قادر به انجام کارهایی مانند اجرای برنامه‌ها، آموزش مدل‌ها یا جایگزینی GPUها یا حتی CPUها در دستگاه‌های الکترونیکی نخواهند بود.

«انویدیا» خطری احساس نمی‌کند

تراشه دوم چینی‌ها موسوم به LightGen توسط یک تیم مشترک از دانشگاه «شانگهای جیائو تانگ(Shanghai Jiao Tong) و دانشگاه شینهوا(Tsinghua) توسعه داده شده است و برخلاف ACCEL کاملاً نوری است و بیش از ۲ میلیون «نورون فوتونی» دارد.

این تراشه ظاهراً می‌تواند وظایف تولید تصویر، عملیات انتقال سبک، حذف نویز و دستکاری تصویر سه‌بعدی را انجام دهد و در مقایسه با تراشه‌های مرسوم‌تر مانند تراشه‌های «انویدیا» می‌تواند این وظایف را بیش از ۱۰۰ برابر سریع‌تر انجام دهد، در حالی که تنها از کسری از توان مورد نیاز استفاده می‌کند.

برای این منظور، تیم تحقیقاتی توضیح می‌دهد که LightGen تاکنون قوی‌ترین اثبات است که فوتونیک می‌تواند هوش مصنوعی مولد واقعی را انجام دهد، اما فعلا فقط در حوزه‌های کاملاً محدود.

تراشه‌های ACCEL و LightGen نشان می‌دهند که سخت‌افزار هوش مصنوعی مبتنی بر نور می‌تواند برای وظایف هوش مصنوعی محدود، به مراتب بهتر از GPUها عمل کند. با این حال، آنها ماشین‌های آنالوگ تخصصی هستند، نه جایگزین‌های همه منظوره و این تمایز همه چیز است.

این مطالعه در مجله Science منتشر شده است.

انتهای پیام

ثبت دیدگاه علمی و آموزشی

  • دیدگاه‌های ارسال شده توسط شما، پس از تایید توسط تیم مدیریت در وب منتشر خواهد شد.
  • پیام‌هایی که حاوی تهمت یا افترا باشد منتشر نخواهد شد.
  • پیام‌هایی که به غیر از زبان فارسی یا غیرمرتبط باشد منتشر نخواهد شد.