Các nhà khoa học Trung Quốc khiến robot suy nghĩ ngay lập tức, thúc đẩy sự phát triển của quang tử vi sắt thủy ngân

Tin tức về đột phá trong tính toán neuromorphic photon

Các nhà khoa học từ Đại học Xidian (Xidian University) đã tạo ra chip “neuromorphic” hoàn toàn ánh sáng, có khả năng học tăng cường mà không cần chuyển đổi tín hiệu thành dòng điện. Sự kiện này đánh dấu bước chuyển từ mạng spiking photon tuyến tính sang các biến đổi phi tuyến – một bước quan trọng cho ứng dụng thực tiễn.

Tại sao điều này quan trọng
- Không cần chuyển đổi: Việc chuyển photon thành electron và ngược lại gây mất năng lượng và thời gian. Trong các hệ thống thời gian thực (robot, lái tự động) những độ trễ như vậy có thể dẫn đến hỏng thiết bị hoặc thậm chí tai nạn.

- Tương tác an toàn giữa robot và con người: Việc tạo ra chip photon đa năng mở đường cho các hệ thống trí tuệ đáng tin cậy hơn và tiết kiệm năng lượng hơn.

Ba vấn đề đã được giải quyết
1. Có sẵn bộ lớn neuron spiking phi tuyến với ngưỡng kích hoạt thấp – giờ có thể bố trí neuron mật hơn.
2. Chip hoàn toàn lập trình được – trước đây chúng là “cứng” (được lập trình phần cứng).
3. Học tăng cường photon – hiện nay đã thực hiện nhờ kiến trúc mới.

Kiến trúc nguyên mẫu
| Thành phần | Mô tả |
|------------|-------|
| Chip photon 16 kênh | Chứa 272 tham số có thể học, được xây dựng trên lưới interferometer Mach-Zehnder 16×16. |
| Chip với laser và phản hồi | Sử dụng bộ hấp thụ bão hòa để đạt ngưỡng kích hoạt phi tuyến thấp. |
| Khung phần cứng-phần mềm | Đầu tiên được huấn luyện trong gói phần mềm, sau đó chuyển sang chip, rồi tiếp tục huấn luyện dựa trên đặc điểm phần cứng. |

Kiểm tra
- CartPole (cân bằng que) – độ chính xác gần như giống mô hình phần mềm (sự sụt giảm 1,5 %).
- Pendulum (đẩy lắc) – sự sụt giảm 2 %.
- Trên cả hai nhiệm vụ, độ trễ tính toán chỉ 320 picosecond.

Hiệu suất
| Loại | Tiêu thụ năng lượng | Độ dày |
|------|---------------------|--------|
| Tuyến tính | 1,39 TOPS/W | 0,13 TOPS/mm² |
| Phi tuyến | 987,65 GOPS/W | 533,33 GOPS/mm² |

Những con số này đặt hệ thống photon vào lớp GPU về năng lượng hiệu quả (≈1 TOPS/W) và mật độ (0,1–0,5 TOPS/mm²), nhưng hoàn toàn dựa trên xử lý ánh sáng, loại bỏ mất mát chuyển đổi.

Triển vọng
- Lái tự động
- Robot thông minh
- Tính toán ngoại vi với độ trễ cực thấp và tiêu thụ năng lượng tối thiểu

Trong tương lai, kế hoạch mở rộng chip lên 128 kênh để giải quyết các nhiệm vụ phức tạp hơn (định hướng tự chủ neuromorphic) và tạo ra các thiết bị photon neuromorphic tích hợp linh hoạt.

Tóm lại: Phát triển này mở đường mới cho AI tiết kiệm năng lượng dựa trên xung ánh sáng, có thể thay đổi hoàn toàn cách tiếp cận robot công nghệ và hệ thống tự động.