Учени създадоха светлинни частици, които ще захранват бъдещите AI чипове

Учени от Университета в Пенсилвания съобщават за пробив, който може да промени основата на изчисленията в ерата на изкуствения интелект (AI). Екипът е създал хибридна светлинно‑материална частица, способна да изпълнява изчисления многократно по‑бързо от днешните електронни чипове, при това с минимален разход на енергия.

Електроните носят електрически заряд и именно това се превръща в сериозно ограничение за съвременните компютърни чипове. Докато се движат през материалите, те отделят топлина и срещат съпротивление, което води до загуба на енергия. С нарастването на сложността на чиповете и обема на данните, които трябва да бъдат обработвани за нуждите на AI, тези проблеми стават още по‑значими.

Екип, ръководен от физика Бо Жен от Университета в Пенсилвания, вижда решение в друга фундаментална частица - фотона. Светлината, за разлика от електроните, не носи заряд и може да се движи през материалите без да генерира същия тип загуби. Според учените именно фотоните могат да отключат ново поколение по-ефективни изчислителни технологии.

За да заобиколи ограниченията на традиционните електронни чипове, екипът на Бо Жен създава специална квазичастица, наречена екзитон‑поляритон. Тя се образува, когато фотони се свържат с електрони в изключително тънък полупроводников слой. Тази хибридна структура позволява на светлината да взаимодейства с материята много по‑ефективно, превръщайки я в носител, способен на бързо превключване на сигнали за изчислителни задачи.

Използвайки екзитон‑поляритони, екипът от Пенсилвания успява да демонстрира превключване, извършвано изцяло със светлина и без нито един електрон в процеса. Още по‑впечатляващо е, че за тази операция е нужна съвсем малко енергия - едва около четири квадрилионни части от джаула.

Ако технологията бъде успешно мащабирана, тя може да проправи път към фотонни чипове, които обработват информация директно от камерите, без непрекъснатото превключване между светлина и електричество. Това би елиминирало един от най‑скъпите и енергоемки етапи в днешните AI системи.

Подходът има потенциал не само да намали енергийните нужди на големите модели, а и да постави основа за бъдещи чипове, способни да изпълняват ключови квантови изчислителни функции.