Riset Universitas Tokyo dan NTT: AI Berbasis Cahaya Pangkas Beban Komputasi
Metode komputasi optik baru menyederhanakan pelatihan model kecerdasan buatan, menjanjikan efisiensi listrik dan pendinginan data center masa depan.
Foto: TechXplore (Dokumentasi editorial)
Poin penting
- Peneliti memanfaatkan partikel cahaya untuk komputasi AI menggantikan sinyal listrik konvensional.
- Metode SS-DFA dan arsitektur single-map memangkas pencatatan data antara serta beban daya komputasi.
- Teknologi ini dirancang modular dan berpotensi diterapkan langsung pada chip perangkat masa depan.
Lonjakan kebutuhan komputasi kecerdasan buatan (AI) kini berbenturan langsung dengan keterbatasan energi dan panas berlebih pada pusat data. Menjawab tantangan tersebut, tim peneliti dari Universitas Tokyo dan NTT merancang terobosan sistem kecerdasan buatan berbasis hardware optik yang memanfaatkan gelombang cahaya.
Diterbitkan dalam jurnal Nature Computational Science dan dilaporkan oleh TechXplore, inovasi ini membuktikan bahwa cahaya mampu memproses kalkulasi secara paralel dengan konsumsi daya yang jauh lebih rendah daripada cip silikon berbasis transistor.
Menyederhanakan Pola Pelatihan AI
Biasanya, melatih model AI membutuhkan pencatatan bertahap di setiap lapisan jaringan. Proses pelacakan balik (backpropagation) ini memakan banyak memori, kapasitas penyimpanan, dan siklus komputasi yang intensif.
Untuk memangkas beban tersebut, tim peneliti menggabungkan metode pelatihan state-skipping (SS-DFA) dengan arsitektur jaringan yang disebut kerangka kerja single-map. Pendekatan ini memandu proses belajar menggunakan galat akhir tanpa perlu memantau seluruh status perantara sistem.
Dalam laporan pengujian mereka, desain yang disederhanakan ini terbukti mampu menyamai, bahkan melampaui, arsitektur jaringan saraf tiruan yang rumit dengan kebutuhan komputasi yang jauh lebih rendah.
Associate Professor Kohei Nakajima dari Universitas Tokyo menjelaskan bahwa sistem ini bersifat modular sehingga dapat disisipkan ke dalam arsitektur AI modern sebagai blok komputasi efisien.
Peluang Komputasi Dingin di Edge Device
Karena menggunakan cahaya, sistem ini menghasilkan panas yang sangat minim. Manfaat ini berpotensi menekan kebutuhan pendinginan ruangan sekaligus menghemat konsumsi air pada fasilitas pusat data komersial.
Para peneliti belum menguji arsitektur ini pada model bahasa besar maupun model multimodal yang ada saat ini, melainkan menjadikannya target riset berikutnya. Rencana jangka panjang juga mencakup miniaturisasi hardware agar dapat dipasang langsung pada cip ponsel, kamera pintar, dan kendaraan otonom.
Meski demikian, para peneliti mencatat masih diperlukan riset lanjutan mengenai stabilitas perangkat serta standardisasi manufaktur sebelum cip fotonik ini dapat diproduksi secara massal bagi industri komersial.
Apa Artinya bagi Pelaku Usaha
Bagi pemimpin perusahaan dan manajer teknologi informasi di Indonesia, terobosan komputasi optik ini mengindikasikan arah baru penghematan belanja modal (capex) infrastruktur AI. Biaya listrik dan sistem pendingin data center yang selama ini membebani operasional berpotensi ditekan secara signifikan ketika cip fotonik mulai matang.
Langkah mitigasi yang realistis saat ini bukan terburu-buru merombak infrastruktur fisik, melainkan mulai mengaudit efisiensi model AI internal. Perusahaan dapat memprioritaskan pemodelan yang lebih ramping atau arsitektur modular sembari memantau kesiapan vendor penyedia komputasi awan yang mulai bereksperimen dengan akselerator optik.
Pelaku usaha di sektor logistik, manufaktur, dan otomasi industri juga dapat bersiap menyambut komputasi tepi (edge computing) yang lebih hemat energi. Ketika teknologi ini berhasil diperkecil ke tingkat cip, pemrosesan AI lokal pada perangkat operasional akan berjalan lebih cepat tanpa kendala panas berlebih.
- TechXplore: Let there be light—novel AI framework runs on optical hardware
Lihat hasil pemeriksaan (9 klaim)
| Klaim | Putusan | Dasar di sumber |
|---|---|---|
| Peneliti dari Universitas Tokyo bersama peneliti NTT mengembangkan AI berbasis komputasi optik yang memangkas kebutuhan komputasi. | Didukung | “Associate professor Kohei Nakajima from the Laboratory for Intelligent Systems and Informatics at the University of Tokyo and his team, including NTT researchers, combined both in their latest set of ex” TechXplore melaporkan kolaborasi antara tim Associate Professor Kohei Nakajima di Universitas Tokyo dan peneliti NTT. |
| Studi riset ini diterbitkan dalam jurnal Nature Computational Science. | Didukung | “The study is published in Nature Computational Science .” TechXplore mengonfirmasi publikasi riset tersebut di Nature Computational Science. |
| Komputasi optik menggunakan cahaya untuk memproses informasi menggantikan sinyal listrik konvensional. | Didukung | “For this, we turned toward an emerging form of computation that uses light to process information instead of electrical signals.” Pernyataan Yongbo Zhang dalam laporan TechXplore. |
| Pendekatan baru memadukan metode pelatihan SS-DFA dan arsitektur single-map framework untuk memangkas akses status perantara dan beban komputasi. | Didukung | “We developed a new overall approach combining a training method called SS-DFA with a simpler network architecture called the single-map framework," said Nakajima.” Penjelasan Kohei Nakajima yang dikutip oleh TechXplore. |
| Desain yang disederhanakan ini menyamai dan dalam beberapa pengujian melampaui arsitektur neural network yang rumit dengan beban komputasi lebih rendah. | Didukung | “Surprisingly, the simplified design matched, and in some tests outperformed, more complex neural network architectures, while requiring far less computation.” TechXplore melaporkan hasil pengujian eksperimen tim peneliti. |
| Sistem ini bersifat modular sehingga dapat disisipkan sebagai blok komputasi ke dalam arsitektur AI modern. | Didukung | “Because our framework is modular and can be inserted as a computational block into existing networks, it provides a possible route toward such scales.” Keterangan Kohei Nakajima mengenai sifat modular dari kerangka kerja tersebut. |
| Sistem optik ini menghasilkan panas yang minim sehingga berpotensi menurunkan kebutuhan energi pendinginan dan konsumsi air di data center. | Didukung | “This could lower the energy needed for both computing and cooling in future AI data centers , while also reducing water consumption due to the lower heat output.” TechXplore menjelaskan dampak efisiensi termal pada pusat data. |
| Arsitektur ini belum diuji pada model AI terbesar seperti model bahasa besar atau multimodal. | Didukung | “However, we have not yet tested it on today's largest AI models, particularly language and so-called multimodal models , and this is an important direction for future research.” Pernyataan Nakajima bahwa pengujian pada LLM dan model multimodal menjadi target riset ke depan. |
| Masih diperlukan riset lanjutan mengenai stabilitas, miniaturisasi, dan manufaktur skala besar sebelum dapat diintegrasikan pada cip perangkat komersial. | Didukung | “Before this becomes practical, however, further work is needed on miniaturization, stability and large-scale manufacturing.” Catatan peneliti yang dilaporkan TechXplore terkait tantangan implementasi ke cip. |
Video AI terbaru
Washington, D.C. is up next. 🏛️
