Cornell研究者、光でAIモデル更新をロボットに送信

Cornell の光受信機が対処するボトルネックはAIインフラに広く認識されている。AIモデルが大きくなるにつれて、プロセッサに搭載されている高速なビルトイン静的ランダムアクセスメモリ(SRAM)に全モデルが収納できなくなる。現在のシステムは、より遅い大容量のダイナミックランダムアクセスメモリ(DRAM)とプロセッサ間でモデルパラメータを金属配線で往復させなければならず、このプロセスは大量のエネルギーを消費し、システムスケール時に主要な効率の制約を生じさせる。光通信は長年、より高い帯域幅と低いエネルギー損失を約束してきたが、従来の光受信機はシグナル解読に消費電力が大きいアナログ回路に依存することでその利点を打ち消してきた。Cornell チームの主要な知見は、このアナログステップを完全にスキップすることだ。フォトダイオードをSRAMセル内に直接刻むことで、入射光はバイナリメモリ値を直接反転させることができ、研究者が「完全デジタル光通信」と呼ぶものを実現する。

実用的な含意は大きい。倉庫や工場のロボットは、現在の電気インターフェースのエネルギーオーバーヘッドなしに光ビームでAIモデル更新を受け取ることができ、マイクロロボットなどのエッジデバイスはリモートメモリアクセスでより効率的に動作できる。しかし、ラボ実証から製品化への道のりは直線的ではない。感光性セルは標準的なSRAMセルより大きく、メモリ密度を低下させる。この設計上の折り合いは、トランジスタ最適化とCMOSスケーリングを通じてセルサイズの問題が解決されない限り、効率上の利益を損なう可能性がある。現在のプロトタイプ送信機は静的であり、動作するシステムは毎秒数百万回の光パターン変調が必要になり、チームは光学研究グループとの協力で開発中だ。これらの技術的課題が、Michigan 大学の Dennis Sylvester を含む業界専門家が、その「莫大な商業的可能性」にもかかわらず技術を「商用化にはほど遠い」と表現する理由を説明している。