現代の人工知能（AI）の発展において、データ転送速度は進歩を阻む大きなボトルネックとなっています。この壁を打破するため、ミシガン大学（U-M）を主導とする研究チームは、従来のケーブルではなく光波を用いた全く新しいチップ接続システムを開発しています。この革新的な技術は、計算速度を制限する「メモリウォール」問題の解決に繋がり、AIモデルの更なる拡大を促進すると期待されています。
このプロジェクトは、国立科学財団の未来半導体プロジェクトから200万ドルの資金提供を受けており、ワシントン大学、ペンシルバニア大学、ローレンス・バークレー国立研究所、そしてGoogle、Hewlett Packard Enterprise、Microsoft、NVIDIAといった4社の業界パートナーが参加しています。過去20年間でデータ処理速度は6万倍に向上しましたが、コンピューターのメモリとプロセッサー間のデータ転送速度はわずか30倍しか向上していません。この不均衡な向上により、データ転送がAIモデル拡張の最大の障壁となっています。
プロジェクトの首席研究員であるU-M電気・コンピューター工学科の李洋（Di Liang）教授は、「私たちの技術は、高性能計算と増加し続けるデータの流れを同期させることができます。光学接続によって、毎秒数十テラビットのデータ転送速度を実現できると予想しており、現在の電気接続の速度を100倍以上上回ります」と述べています。
現在、複数のメモリとプロセッサーチップ間のデータ転送は金属接続に依存しており、速度と帯域幅に深刻な制限があります。AIモデルの規模が拡大するにつれて、現在のハードワイヤ接続方式では需要を満たせなくなっています。研究チームの新しい設計では、光の伝送特性を利用し、光導波路と呼ばれるチャネルを通してチップ間でデータ転送を行い、データ転送効率を大幅に向上させます。
新技術のもう一つのハイライトは、その再構成可能性です。研究者たちは、特別な相変化材料を使用する予定です。この材料は、レーザーや電圧の刺激を受けると屈折率が変化し、光路の柔軟な調整が可能になります。プロジェクトの協力者であるペンシルバニア大学の馮洋（Liang Feng）教授が述べているように、「道路の開閉のようなものです。企業がこの技術を使ってチップを製造すれば、他のコンポーネントのレイアウトを変更することなく、異なるバッチのチップやサーバーの接続を書き換えることができます。」
さらに、研究チームは、どのチップが通信を行う必要があるかをリアルタイムで監視し、接続を即座に調整するためのトラフィック制御ソフトウェアも開発します。この柔軟な接続方式は、データ処理効率の向上だけでなく、さまざまなAIモデルのニーズに合わせて動的に調整することも可能です。
このプロジェクトは、U-Mの学生に業界との協力の機会を提供し、急速に発展する技術分野で貴重な実践経験を積むことができます。李教授は、「業界との協力により、学生たちは現代の…」
