人工知能の急速な発展により、データ伝送速度に対する要求が高まっており、従来のケーブル接続がボトルネックになっています。この限界を突破するために、ミシガン大学率いる研究チームは、「メモリの壁」問題を解決し、AIモデルのさらなる開発を促進することを目的として、光波伝送に基づく新しいチップ接続システムの開発に取り組んでいます。このプロジェクトは米国科学財団から多額の助成金を受け、多くの大学やテクノロジー大手の支援を受けて、AI コンピューティングの需要の高まりに応えるためにデータ転送速度の向上に協力しました。
今日の人工知能 (AI) の開発において、データ伝送速度はその進歩を制限する重要なボトルネックとなっています。この障壁を打ち破るために、ミシガン大学 (UM) 率いる研究チームは、データ伝送に従来のケーブルの代わりに光波を使用する新しいチップ接続システムを開発しています。このイノベーションにより、コンピューティング速度を制限する「メモリの壁」問題が解決され、AIモデルのさらなる成長が促進されることが期待されています。
このプロジェクトは米国科学財団の未来半導体プログラムから 200 万ドルの資金提供を受けており、ワシントン大学、ペンシルベニア大学、ローレンス バークレー国立研究所、および Google、Hewlett Packard Enterprise、Microsoft、Nvidia を含む 4 つの業界パートナーが参加しました。過去 20 年間でデータ処理速度は 60,000 倍に増加しましたが、コンピュータのメモリとプロセッサ間のデータ転送速度は 30 倍にしか増加していないため、データ転送は AI モデルの拡張に対する最大の障害となっています。
同プロジェクトの主任研究者で電気・コンピュータ工学教授のディ・リャン氏は、「当社のテクノロジーにより、ハイパフォーマンスコンピューティングが増え続けるデータフローに対応できるようになる」と述べ、「光接続により、毎秒数十テラビットを達成できると期待している」と述べた。 「データ伝送速度は、現在の電気接続の 100 倍以上です。」
現在、複数のメモリとプロセッサ チップ間のデータ転送はメタル接続に依存しているため、速度と帯域幅に厳しい制限があります。 AI モデルの規模が拡大し続けると、現在の有線接続モデルでは需要に対応できなくなります。研究チームの新しい設計では、光の伝送特性を利用して、光導波路と呼ばれるチャネルを通じてチップ間でデータを伝送し、データ伝送効率を大幅に向上させる。
新しいテクノロジーのもう 1 つのハイライトは、その再構成可能性です。研究者らは、レーザー光または電圧によって刺激されると屈折率が変化する特殊な相変化材料を使用することを計画しており、これにより光路の柔軟な調整が可能になる。プロジェクトの共著者であるペンシルベニア大学のリャン・フェン教授は、「道路を開閉するのと同じように、企業がこの技術を採用してチップを製造すれば、他のコンポーネントのレイアウトを変更せずに、他のコンポーネントのレイアウトを書き換えることができる」と述べています。チップとサーバーの異なるバッチ間の接続。」
さらに、研究チームは、接続をその場で調整できるように、どのチップが通信する必要があるかをリアルタイムで監視するフロー制御ソフトウェアを開発する予定です。この柔軟な接続方法は、データ処理効率を向上させるだけでなく、さまざまな AI モデルの要件に応じて動的に調整することもできます。
このプログラムはまた、UM の学生に産業界と協力する機会を提供し、急速に進化するテクノロジー分野で貴重な実践経験を積むことができます。リー教授は、「産業界との協力により、学生は現代についてより深く理解できるようになります」と述べた。
この革新的な光チップ接続技術は、AI開発におけるデータ伝送のボトルネックを完全に解決し、将来のAIモデルの規模と性能の向上を強力にサポートし、学生に貴重な実践的な学習機会を提供することが期待されています。 再構成可能性と柔軟なフロー制御により、アプリケーションで大きな可能性を発揮します。