Американският стартъп Normal Computing обяви разработването на първия в света термодинамичен изчислителен чип. Процесорът CN101 ще може да обработва векторни и матрични операции, правейки го 1000 пъти по-ефективно от класическите процесори. Като цяло, неговите изчисления — това е просто чакане законите на термодинамиката естествено да доведат чипа до състояние на четене на изходните данни. Това ще промени света на изкуствения интелект, уверени са разработчиците и възнамеряват да го докажат.

Зад организацията на стартъпа стоят възпитаници на Google, които се занимават в компанията с разработването на квантовите изчисления и изкуствения интелект. Те не виждат ясни перспективи за класическите платформи, камо ли за квантовите, които все още отмерват времето си на стартовата линия. За изкуствения интелект, според Normal Computing, случайността е норма и тази норма е естествена за обикновените физически процеси, като разсейване, флуктуации и други стохастични явления. Защо да натоварваме класическите процесори с имитация на случайност, ако физиката ще го направи сама и с минимално натоварване (с минимална консумация на енергия)? В идеалния случай това биха могли да бъдат квантови процесори, но кога ще се появят, не е известно.

Идеята на термодинамичния процесор е, че той се състои от множество еднакви осцилаторни вериги с кондензатори. Тегловите коефициенти се задават от величината на заряда на кондензаторите. След това процесорът просто се охлажда — например, за да се ускорят изчисленията, може да се потопи във вода. След като се установи термодинамично равновесие в средата, се отчитат зарядите на кондензаторите, което дава резултат от изчисляване на тегловните коефициенти без директен разход на енергия за извършване на операциите. Методът като цяло е доказал своята ефективност за изчисляване на матрични операции и за линейна алгебра. Чипът CN101 ще работи в тази област. За други задачи компанията ще създаде свои собствени термодинамични чипове.

По-конкретно, CN101 е специално проектиран за линейна алгебра и матрични изчисления, предоставяйки ефикасно решение за мащабни линейни системи, които са в основата на инженерството, научните изчисления и оптимизацията. Чипът е оптимизиран и за стохастични изчисления на семплиране, използвайки Lattice Random Walk (LRW), което значително ускорява вероятностните изчисления, необходими за научно моделиране и байесов извод.

Пуснатото на пазара решение CN101 е първата стъпка към реализирането на визията на Normal Computing за комерсиализиране на мащабните термодинамични изчисления, които осигуряват значително по-висока производителност на изкуствения интелект на ват и долар, максимално увеличавайки производителността на изкуствения интелект в рамките на съществуващите енергийни бюджети.

Компанията планира да представи процесорите CN201 през 2026 г., които разполагат с модели за дифузия с висока резолюция и усъвършенствани възможности за изкуствен интелект, и да разработи CN301 в края на 2027 г. или началото на 2028 г., което ще бъде преходът към усъвършенствани модели за видеодифузия.

„През последните месеци видяхме как изкуственият интелект достига своите граници с настоящата консумация на енергия и архитектура, дори когато индустрията планира да увеличи броя на циклите на обучение с още 10 000 пъти през следващите 5 години. Термодинамичните изчисления имат потенциала да зададат [нови] закони за мащабиране за следващите десетилетия чрез физическо внедряване на AI-алгоритми, включително и пост-авторегресивни архитектури. Постигането на първия успех [на CN101] в силиция е исторически момент за зараждащата се парадигма, реализиран от много малък екип“ — казва Фарис Сбахи, главен изпълнителен директор на Normal Computing.

След завършване на разработката за цифровия проект CN101, компанията Normal Computing преминава непосредствено към описание на характеристиките, пускането и тестването. Получените резултати ще бъдат използвани при разработването на предстоящите чипове CN201 и CN301, които ще разширят възможностите за термодинамични изчисления на Normal за мащабиране на работните натоварвания, свързани с изкуствен интелект.

„Нашата цел е да мащабираме дифузионните модели с нашия стохастичен хардуер. Тази година ще демонстрираме ключовите приложения на CN101, следващата година ще постигнем най-съвременна производителност при средномащабни проблеми с помощта на GenAI и CN201 и накрая, след две години ще постигнем многократно по-висока производителност при мащабните проблеми с помощта на GenAI и CN301“ — казва Патрик Коулс, главен учен в Normal Computing.

„CN101 представлява първата силициева демонстрация на нашата термодинамична архитектура, която използва случайността, метастабилността и шума за изпълнение на избрани задачи. Чрез изучаването на CN101 можем да положим основите за разбиране на това как тези случайни процеси се държат върху реален силиций и да осигурим ясен път за мащабиране на нашата архитектура, за да поддържа съвременните дифузионни модели“ — каза Зак Белатече, ръководител на отдела за разработване на силициеви технологии в Normal Computing.