Bộ tăng tốc mạng nơ-ron quang nano được thiết kế ngược. Nguồn: Nature Communications (2026).

Nguyên mẫu chip quang tử nano này khai thác sức mạnh của các hạt ánh sáng (photon), được chế tạo hoàn toàn nội bộ tại Trung tâm Nano Sydney thuộc Đại học Sydney. Các nhà nghiên cứu cho biết nguyên mẫu này có thể đóng vai trò quan trọng trong việc phát triển phần cứng AI tiết kiệm năng lượng hơn khi nhu cầu toàn cầu về trí tuệ nhân tạo tiếp tục tăng, có khả năng làm giảm tổng lượng tiêu thụ năng lượng của các hệ thống máy tính trong tương lai.

Các chip máy tính truyền thống sử dụng điện để xử lý thông tin, điều này có nghĩa là di chuyển các hạt nhỏ mang điện (electron) qua dây dẫn. Quá trình này tạo ra nhiệt.

Nguyên mẫu chip quang tử nano sử dụng ánh sáng. Ánh sáng có thể truyền qua các vật liệu mà không gặp điện trở, do đó nó không tạo ra nhiệt giống như điện. Khi ánh sáng đi qua các cấu trúc nano bên trong nguyên mẫu chip, chính các cấu trúc này sẽ tự động thực hiện phép tính.

Cấu trúc nano trên con chip chiếm diện tích hàng chục micromet, xấp xỉ bằng chiều rộng của một sợi tóc người. Các cấu trúc nano này cùng nhau tạo thành một mạng lưới thần kinh: các tế bào thần kinh nhân tạo mô phỏng bộ não con người để nhận biết và thực hiện các phép tính.

Nguyên mẫu này thực hiện các phép tính trên thang thời gian pico giây (1 phần nghìn tỉ giây) thời gian ánh sáng truyền qua cấu trúc nano.

Các nhà nghiên cứu cho biết ưu điểm của việc sử dụng quang học là tốc độ tính toán nhanh hơn nhiều, diễn ra ở tốc độ ánh sáng. Công nghệ này cũng sử dụng ánh sáng để hoạt động thay vì điện năng. Điều này trái ngược với các trung tâm dữ liệu hiện tại dựa vào lượng nước và năng lượng khổng lồ để vận hành.

"Chúng tôi đã hình dung lại cách thức sử dụng quang học để thiết kế các chip xử lý máy tính siêu nhanh và tiết kiệm năng lượng mới," Giáo sư Xiaoke Yi, đến từ Trường Kỹ thuật Điện và Máy tính kiêm Giám đốc Nhóm Nghiên cứu Quang học, cho biết.

"Trí tuệ nhân tạo ngày càng bị hạn chế bởi mức tiêu thụ năng lượng. Nghiên cứu này thực hiện tính toán thần kinh bằng ánh sáng, cho phép tạo ra các bộ tăng tốc AI nhanh hơn, tiết kiệm năng lượng hơn và siêu nhỏ gọn."

Nghiên cứu được công bố trên tạp chí Nature Communications đã chứng minh cách các mô hình AI có thể được thiết kế thành các cấu trúc quang tử nano để điều khiển ánh sáng nhằm thực hiện các phép toán cần thiết cho máy học.

Để kiểm chứng công nghệ này, các nhà nghiên cứu đã huấn luyện chip quang nano để phân loại hơn 10.000 hình ảnh y sinh, chẳng hạn như ảnh chụp cộng hưởng từ (MRI) vú, ngực và bụng.

Trong các mô phỏng và thí nghiệm, mạng nơ-ron quang nano đạt được độ chính xác phân loại khoảng 90% đến 99%.

Công nghệ này mở ra con đường hướng tới cơ sở hạ tầng AI bền vững, có khả năng đáp ứng nhu cầu tính toán ngày càng tăng mà không làm tăng mức tiêu thụ điện năng một cách tương ứng.

Phần cứng AI bền vững, tốt hơn, nhanh hơn, mạnh mẽ hơn.

Quang học, viết tắt của điện tử dựa trên photon, là ngành nghiên cứu về việc điều khiển các hạt ánh sáng. Nó đã được sử dụng để cung cấp năng lượng cho các công nghệ chúng ta sử dụng hàng ngày, chẳng hạn như laser, mạng cáp quang và trong hình ảnh y tế.

Tuy nhiên, việc ứng dụng quang học vào xử lý máy tính chỉ mới được nghiên cứu trong những năm gần đây, và nhu cầu này ngày càng trở nên cấp thiết hơn do sự gia tăng nhu cầu về trí tuệ nhân tạo.

Nghiên cứu sinh tiến sĩ Joel Sved, người đóng vai trò quan trọng trong thiết kế và triển khai nguyên mẫu, cho biết, nguyên mẫu này cho thấy trí thông minh có thể được tích hợp trực tiếp vào các cấu trúc quang tử nano.

Trong hơn một thập kỷ qua, Nhóm Nghiên cứu Quang tử tại Đại học Sydney đã có một lịch sử lâu dài trong việc nghiên cứu cách thức vượt qua giới hạn của quang tử, bao gồm cả việc cải tiến công nghệ của chúng ta.

Điều này bao gồm việc sử dụng quang học để giải quyết các thách thức trong truyền thông không dây và công nghệ cảm biến tiên tiến có thể phát hiện và đo lường các dấu vết hóa học hoặc sinh học trong môi trường.

Sau khi thử nghiệm thành công nguyên mẫu chip quang nano, nhóm của Giáo sư Yi hiện đang nỗ lực phát triển công nghệ này hướng tới các mạng lưới thần kinh quang học quy mô lớn hơn.