Giải pháp chip quang học nâng cao tốc độ xử lý AI đột phá

Các nhà khoa học Trung Quốc vừa công bố phát triển thành công hệ thống kết nối chip hoàn toàn bằng quang học, giúp tăng tốc độ xử lý nhiệm vụ AI phân tán lên hơn 100 lần so với mô hình truyền thống, trong khi chỉ sử dụng một phần nhỏ tài nguyên tính toán.

Advertisement300 × 250

Thành tựu này mở ra hướng tiếp cận mới giúp giảm đáng kể chi phí năng lượng và tối ưu hiệu quả cho các ứng dụng trí tuệ nhân tạo.

Trước đó, để đáp ứng nhu cầu ngày càng tăng về xử lý AI, ngành công nghiệp thường phải gia tăng số lượng GPU và xây dựng các trung tâm dữ liệu quy mô lớn tiêu tốn nhiều điện năng. Tuy nhiên, nghiên cứu của Đại học Bắc Kinh đề xuất một phương thức khác biệt hoàn toàn: kết nối chip bằng quang học cùng thuật toán tối ưu, giúp tăng tốc độ suy luận AI trên 100 lần, đồng thời giảm nhu cầu tính toán xuống chỉ còn khoảng 1/9 so với các hệ thống GPU thông thường.

Cấu trúc và nguyên lý hoạt động của hệ thống chip quang học

Đội ngũ nghiên cứu sử dụng chip FPGA (Field-Programmable Gate Array) - thiết bị lập trình linh hoạt được ưa chuộng trong các lĩnh vực yêu cầu xử lý song song cao như điều hướng tên lửa, lái xe tự động và trung tâm dữ liệu. Các chip FPGA này được kết nối với nhau bằng hai thành phần phần cứng giao tiếp quang học độc quyền.

Thành phần đầu tiên là chip thu phát quang silicon có tốc độ truyền tải lên tới 400 gigabit trên giây, chuyển đổi tín hiệu điện thành quang và ngược lại. Thành phần thứ hai là chip chuyển mạch quang học 16 × 16 có khả năng hoạt động như bộ định tuyến, tạo kết nối tùy ý giữa 16 cổng vào và 16 cổng ra trong quá trình truyền tín hiệu quang.

Kết quả thử nghiệm và lợi ích vượt trội so với GPU truyền thống

Bằng cách liên kết song song 5 chip FPGA, nhóm nghiên cứu thực hiện bài toán xử lý khử nhiễu ảnh trên bộ dữ liệu chuyên biệt, xử lý 1.000 bức ảnh có kích thước 32.768 bit chỉ trong 105,16 micro giây. Để so sánh, cùng bài toán này khi chạy trên một GPU thương mại đạt hiệu năng 16,96 teraflop mất tới 15,6 mili giây, nghĩa là hệ thống FPGA nhanh hơn gần 150 lần.

Tổng sức mạnh tính toán lý thuyết của 5 chip FPGA đạt khoảng 1,969 teraflop, tức chỉ bằng chưa đến 1/9 so với GPU nhưng hiệu quả xử lý lại vượt trội. Yếu tố then chốt tạo nên lợi thế này chính là khả năng truyền dữ liệu nhanh, chính xác qua giao tiếp quang có tổng tổn hao tín hiệu dưới 5 decibel, giúp tránh được các lỗi và không cần tăng cường tín hiệu quang bên ngoài.

Ý nghĩa công nghệ và hướng đi mới cho phát triển AI bền vững

Khác với phương pháp tính toán trên GPU, nơi mỗi lớp trong mạng nơ-ron phải đợi lớp trước hoàn thành và lưu lại các kết quả trung gian, hệ thống quang học cho phép dữ liệu được truyền trực tiếp từ lớp này sang lớp khác liên tục, giống dây chuyền sản xuất, nhờ đó toàn bộ chip đều hoạt động liên tục không còn thời gian chết.

Nhóm tác giả nhấn mạnh rằng việc chỉ tập trung tăng số lượng chip không phải là hướng đi duy nhất và hiệu quả nhất trong phát triển AI. Thay vào đó, việc đồng thiết kế thuật toán, kiến trúc vi xử lý và kết nối chip sẽ làm tối ưu hóa năng lực tính toán với nguồn lực và năng lượng tiết kiệm hơn đáng kể.

Nghiên cứu này không chỉ góp phần giảm bớt lượng điện tiêu thụ trong các trung tâm dữ liệu mà còn mở ra phương án cải thiện độ trễ và tiết kiệm năng lượng trong các ứng dụng điện toán biên, tạo nền tảng cho tương lai AI xanh và hiệu quả hơn.

Những điều bổ ích rút ra từ bài viết

Chip FPGA được sử dụng trong nghiên cứu có tác dụng gì?
Chip FPGA là thiết bị lập trình linh hoạt, hỗ trợ xử lý song song cao được dùng trong nhiều lĩnh vực như điều hướng tên lửa và trung tâm dữ liệu.
Hệ thống quang học kết nối chip hoạt động như thế nào?
Hệ thống sử dụng chip thu phát quang chuyển đổi tín hiệu điện sang quang và chip chuyển mạch quang học để tạo kết nối tùy ý giữa các chip FPGA, cho phép truyền dữ liệu nhanh và liên tục.
Hiệu suất của hệ thống chip quang học so với GPU thông thường ra sao?
Hệ thống chip quang học nhanh hơn gần 150 lần trong xử lý bài toán khử nhiễu ảnh so với GPU 16,96 teraflop, dù chỉ dùng chưa đến 1/9 tài nguyên tính toán của GPU.
Ý nghĩa công nghệ của nghiên cứu này là gì?
Nghiên cứu mở ra hướng giảm tiêu thụ năng lượng và độ trễ trong AI bằng cách tối ưu kết nối chip và thuật toán thay vì chỉ tăng số lượng chip.

Đăng ký bản tin QMVN