Teknologi Optik Memungkinkan Pembaruan Robot AI Secara Cepat
Cornell Tech
Para peneliti dari Cornell Tech telah mengembangkan penerima optik yang menulis data langsung ke memori chip menggunakan cahaya, melewati sirkuit analog yang boros energi. Teknologi ini menggunakan matriks cahaya yang mirip dengan kode QR untuk mentransmisikan parameter model AI, sehingga berpotensi mengurangi konsumsi daya di pusat data, kendaraan otonom, dan robot tepi (edge robots).
Pada Simposium IEEE/JSAP tentang Teknologi dan Sirkuit VLSI, dipresentasikan desain penerima optik baru yang dikembangkan oleh peneliti pascadoktoral Cornell Tech, Yifan He, dan Profesor Jae-sun Seo. Penerima ini menggunakan fotodioda yang tertanam dalam sel memori akses acak statis (SRAM) prosesor: cahaya dari susunan LED yang menyerupai kode QR menghasilkan arus foto yang secara langsung mengubah bit dalam memori. Pendekatan ini memungkinkan transmisi parameter model AI tanpa menggunakan sirkuit analog, yang biasanya mengonsumsi banyak energi. Dalam sistem saat ini, data tambahan disimpan dalam memori akses acak dinamis (DRAM), dan mentransfernya melalui interkoneksi listrik menciptakan hambatan efisiensi energi. Saluran optik menawarkan bandwidth tinggi dengan kerugian yang lebih rendah, tetapi penerima yang ada membutuhkan konverter analog yang boros energi. Sirkuit baru ini mengatasi masalah tersebut dengan beroperasi sepenuhnya secara digital. Sejauh ini, prototipe berukuran 14x14 bit, tetapi para peneliti berkolaborasi dengan kelompok optik untuk membangun pemancar cepat yang mampu memperbarui susunan tersebut jutaan kali per detik. Teknologi ini dapat menemukan aplikasi dalam robotika AI tepi—misalnya, memperbarui model AI pada robot gudang atau pada robot mikro dengan memori terbatas. Dennis Sylvester dari University of Michigan mencatat potensi komersial dari pengembangan ini, tetapi menunjukkan bahwa sel fotosensitif saat ini lebih besar daripada sel SRAM biasa, sehingga mengurangi kepadatan memori. Tim sedang mengerjakan pengecilan sel melalui optimasi transistor dan penskalaan CMOS.
Sumber: IEEE Spectrum AI —
asli
