MIT merancang chip fotonik baru untuk Artificial Intelligence dipastikan hemat energi, mampu mencapai akurasi hingga 92%.
Teknologi
Meskipun masih dalam tahap awal, chip fotonik ini telah menunjukkan akurasi 96 persen saat pelatihan dan 92 persen selama inferensi, yang sebanding dengan perangkat keras konvensional.
Para peneliti di Massachusetts Institute of Technology (MIT) telah membangun prosesor fotonik baru yang mampu melakukan semua perhitungan utama dari jaringan saraf dalam (deep neural network) pada sebuah chip, sehingga memungkinkan Machine learning (ML) yang hemat energi.
Bagi yang Belum tau? Machine learning (ML) adalah teknologi yang dirancang agar mesin mampu belajar secara mandiri tanpa membutuhkan arahan langsung dari penggunanya. Pembelajaran mesin ini dikembangkan dengan memanfaatkan berbagai disiplin ilmu, seperti statistika, matematika, dan data mining. Dengan pendekatan ini, mesin dapat mempelajari pola dan menganalisis data tanpa perlu diprogram ulang atau diberikan instruksi secara terus-menerus.
Chip ini mampu menyelesaikan perhitungan utama dalam waktu kurang dari setengah nanodetik, sehingga dapat mendukung aplikasi kecerdasan buatan (AI) ultracepat di masa depan, menurut siaran pers universitas tersebut.
Jaringan saraf dalam, yang saat ini banyak digunakan untuk membangun aplikasi AI mutakhir, juga mendorong batas perangkat keras komputasi.
Bidang AI yang sedang berkembang sudah dikenal menggunakan infrastruktur yang boros energi, dan dengan batas perangkat keras elektronik yang semakin mendekat, para peneliti berupaya menghadirkan inovasi yang dapat memenuhi kebutuhan komputasi sekaligus hemat energi.
Perangkat keras fotonik dapat memenuhi kedua aspek tersebut karena memproses informasi menggunakan cahaya, bukan elektron. Namun, teknologi ini masih dalam tahap pengembangan dan bergantung pada perangkat keras elektronik di beberapa area, yang memperlambat kecepatan pemrosesan dan perkembangan teknologi.
Di sinilah tim penelitian yang dipimpin oleh Dirk Englund, peneliti utama di Quantum Photonics and Artificial Intelligence Group di MIT, membuat terobosan besar.
Seperti halnya neuron di otak, jaringan saraf dalam (deep neural networks atau DNN) menggunakan lapisan node yang saling terhubung untuk memproses informasi dan menghasilkan output. DNN bekerja dengan dua jenis operasi: operasi linier, di mana perkalian matriks dilakukan untuk mentransformasikan data saat melewati node.
Namun, untuk mempelajari pola rumit yang membantu mereka menyelesaikan masalah kompleks, DNN juga melakukan operasi nonlinier seperti fungsi aktivasi.
Pada tahun 2017, tim peneliti yang dipimpin oleh Englund mengembangkan prosesor fotonik yang dapat menjalankan fungsi linier. Namun, untuk fungsi nonlinier, prosesnya masih bergantung pada perangkat keras elektronik.
"Nonlinearitas dalam optik cukup menantang karena foton tidak mudah berinteraksi satu sama lain," jelas Saumil Bandopadhyay, seorang ilmuwan tamu di laboratorium Englund yang juga terlibat dalam proyek ini. "Hal ini membuat pemicu nonlinearitas optik membutuhkan daya yang sangat besar, sehingga menjadi tantangan untuk membangun sistem yang dapat melakukannya secara skalabel."
Untuk mengatasi hambatan ini, Pada tahun 2017, tim penelitian yang dipimpin oleh Dirk Englund merancang perangkat yang disebut nonlinear optical function units (NOFUs). Perangkat ini menggabungkan komponen elektronik dan fotonik dalam satu chip, sehingga memungkinkan fungsi nonlinier.
Tim tersebut membangun sebuah chip dengan tiga lapisan NOFU untuk menguji operasinya. Setelah perhitungan linier, perangkat ini mengalihkan sejumlah kecil cahaya ke fotodioda untuk mengubahnya menjadi arus listrik guna melakukan operasi nonlinier. Pendekatan ini menghilangkan kebutuhan akan penguat, sehingga proses menjadi lebih hemat energi.
"Kami tetap berada di domain optik sepanjang waktu hingga tahap akhir ketika kami ingin membaca jawabannya," tambah Bandopadhyay. "Hal ini memungkinkan kami mencapai latensi yang sangat rendah." Prestasi ini juga memungkinkan tim untuk melatih jaringan saraf dalam (DNN) pada chip tersebut tanpa menghabiskan banyak energi.
Chip fotonik ini menunjukkan akurasi 96 persen selama pelatihan dan 92 persen dalam aplikasi inferensi, yang membuktikan kemampuannya setara dengan perangkat keras elektronik konvensional. Selain itu, tim peneliti berhasil memproduksi chip percobaan mereka menggunakan proses foundry yang digunakan untuk chip CMOS, menunjukkan bahwa pendekatan ini sangat dapat diskalakan, menurut siaran pers tersebut.
Tim peneliti kini berfokus untuk mengembangkan algoritma yang dapat diterapkan pada perangkat mereka untuk melatih jaringan saraf dalam (DNN) dengan lebih cepat dan hemat energi.