Jaringan chip optik Tiongkok menghadirkan komputasi 100x lebih cepat dengan sepersembilan komputasi
Para peneliti Tiongkok telah membangun sistem interkoneksi optik yang secara dramatis mempercepat inferensi AI terdistribusi sambil menggunakan sebagian kecil dari sumber daya komputasi yang dibutuhkan oleh sistem berbasis GPU konvensional. Prototipe ini mencapai peningkatan kecepatan inferensi lebih dari 100 kali lipat sambil hanya mengandalkan sekitar sepersembilan daya komputasi GPU komersial. Sistem yang dikembangkan oleh para peneliti di Universitas Peking ini menghubungkan beberapa chip komputasi melalui jaringan semua optik yang ada di dalam chip, bukan melalui sambungan listrik konvensional. Pendekatan ini dirancang untuk mengurangi penundaan dan meningkatkan pergerakan data antar chip, yang merupakan salah satu hambatan yang semakin besar dalam penskalaan beban kerja AI. Di tengah platform terdapat transceiver fotonik silikon 400 Gbps yang mengubah sinyal listrik menjadi sinyal optik dan sebaliknya. Ia bekerja bersama chip sakelar optik 16×16 khusus yang merutekan data antar node komputasi, menciptakan jaringan komunikasi yang dapat diskalakan dengan bandwidth peralihan agregat hingga 6,4 Tbps. Para peneliti mengatakan desain ini mengalihkan fokus dari sekadar menambahkan lebih banyak perangkat keras komputasi ke meningkatkan cara chip berkomunikasi, memungkinkan beberapa prosesor bekerja sama secara lebih efisien selama inferensi AI. Cahaya menggantikan kemacetan Fitur utama dari saklar optik adalah kehilangan totalnya kurang dari 5 dB, termasuk kehilangan kopling. Menurut tim, hal ini memungkinkan transmisi berkecepatan tinggi dan bebas kesalahan tanpa memerlukan kompensasi penguatan optik eksternal. Sakelar ini juga menjaga kinerja bebas kesalahan di berbagai jalur komunikasi dan mendukung respons spektral melebihi 100 nm, sehingga cocok untuk perluasan bandwidth di masa depan melalui multiplexing pembagian panjang gelombang. Untuk mendemonstrasikan arsitekturnya, para peneliti menerapkan jaringan saraf konvolusional lima lapis untuk menghilangkan noise gambar. Setiap lapisan ditugaskan ke unit komputasi terpisah, sedangkan saklar optik menghubungkan prosesor ke dalam saluran pipa. Daripada berulang kali menyimpan data perantara dalam memori sebelum mengirimkannya ke prosesor berikutnya, sistem mengirimkan peta fitur secara langsung melalui jaringan optik. Hal ini mengurangi penundaan yang terkait dengan transfer memori dan menjaga unit komputasi tetap bekerja terus menerus. Dibandingkan dengan GPU komersial yang menjalankan tugas penghilangan gambar yang sama, sistem optik menghasilkan inferensi seratus kali lebih cepat dan hanya menggunakan sekitar sepersembilan sumber daya komputasi. Menskalakan AI secara berbeda Para peneliti yakin bahwa penelitian ini menyoroti cara berbeda untuk meningkatkan kinerja AI seiring dengan terus berkembangnya model. “Tujuan spesifik dapat diwujudkan dengan sumber daya komputasi yang terbatas ketika algoritma, arsitektur mikro prosesor, dan interkoneksi tingkat chip dirancang bersama,” tulis para penulis. “Fasilitas ini juga dapat mengurangi penggunaan energi yang tidak berkelanjutan di pusat data dan mengoptimalkan latensi atau konsumsi dalam skenario komputasi edge,” tambah mereka. Tim tersebut mengatakan kemajuan dalam optik yang dikemas bersama, transceiver fotonik silikon, dan antarmuka chip AI yang lebih cepat dapat membantu mengubah supernode optik dalam chip menjadi landasan praktis untuk sistem komputasi terdistribusi di masa depan. Sistem seperti ini dapat memberikan bandwidth tinggi, latensi rendah, dan efisiensi energi yang diperlukan untuk mendukung beban kerja AI generasi berikutnya tanpa hanya bergantung pada kelompok prosesor yang semakin haus daya. Studi ini dipublikasikan di jurnal National Science Review.
Diterbitkan : 2026-07-13 20:54:00
sumber : interestingengineering.com
