به گزارش سایت توژال، پارادوکس عصر دیجیتال ما این است که با کوچکتر شدن کامپیوترها، مشکلات بزرگتر می شوند.

همانطور که تراشه‌ها ترانزیستورهای بیشتری را جمع می‌کنند تا زمانی که تعداد آنها به میلیاردها برسد، مراکز داده عظیم و قدرت پردازش مورد نیاز برای ساخت مدل‌های هوش مصنوعی مولد مدرن امکان‌پذیر می‌شود.

با این حال، این مدل‌ها با توسعه بیشتر و بیشتر به قدرت پردازشی بیشتری نیاز دارند، مراکز داده به مصرف‌کنندگان اصلی انرژی تبدیل می‌شوند و خود تراشه‌ها نه تنها محدودیت‌های فناوری، بلکه قوانین فیزیک را نیز تحت فشار قرار می‌دهند.

دو محدودیت فنی و فیزیکی این مراکز داده، سیم‌های مسی ساده و سرعت جریان الکترون‌ها در آن‌ها است. این یکی از دلایل اصلی استرس در وسایل الکترونیکی است. کوچک کردن وسایل الکترونیکی فقط برای راحتی نیست. به این دلیل که با سریعتر و قدرتمندتر شدن رایانه ها، زمان لازم برای انتقال داده ها از یک مؤلفه به مؤلفه دیگر به یک عامل اصلی در عملکرد تبدیل می شود.

IBM برای سرعت بخشیدن به کارها، آنچه را که ادعا می کند نسل بعدی فناوری نوری است توسعه داده است. استفاده از اپتیک برای انتقال داده چیز جدیدی نیست. کابل های فیبر نوری دهه هاست که برای انتقال اطلاعات از مکانی به مکان دیگر استفاده می شود.

با این حال، این استفاده عمدتاً در فواصل طولانی انجام می شد و هنگامی که داده ها وارد رایانه می شدند، فرآیند به سیم مسی بازگشت.

برای غلبه بر این مشکل، IBM به فرآیند جدیدی برای ایجاد اپتیک‌های مونتاژ شده (CPO) به شکل یک موجبر نوری پلیمری (PWG) روی آورد که سیگنال‌های نوری را بین مدارهای مجتمع فوتونیکی (PIC) و اتصالات خارجی متصل می‌کند.

این شرکت می‌گوید که آزمایش‌های موجبرهای نوری پلیمری نشان می‌دهد که در صورت استفاده در مراکز داده، پنج برابر کمتر از نسخه‌های معمولی انرژی نیاز دارند و به اتصالات کابلی اجازه می‌دهند از یک متر تا صدها متر گسترش پیدا کنند و در عین حال ساختار انعطاف‌پذیرتری در طول داده ایجاد شود. انتقال ترافیک در هر واحد

IBM ادعا می کند که کاهش انرژی مورد استفاده برای آموزش مدل هوش مصنوعی برای تامین انرژی 5000 خانه آمریکایی به مدت یک سال کافی است و استفاده از نور به دلیل داشتن 80 برابر پهنای باند بیشتر نسبت به سیستم های سنتی برای آموزش این مدل زمان می برد. زبان بزرگ هوش مصنوعی را از سه ماه به سه هفته کاهش می دهد.

داریو گیل، مدیر تحقیقات IBM می‌گوید: «از آنجایی که هوش مصنوعی به قدرت و قدرت پردازش بیشتری نیاز دارد، مرکز داده باید تکامل یابد و این رویکرد می‌تواند مراکز داده را در آینده مقاوم کند.