賓州大學科學家們在AI運算領域取得突破性進展，他們成功利用一種名為「激子-極化子」的光物質準粒子取代傳統電子，實現極低能耗的全光切換，有望解決當前AI晶片面臨的過熱與電力消耗問題，為未來的高效能AI系統與量子運算奠定基礎。
賓州大學（Penn）的研究團隊近日達成一項關鍵突破，開發出一種利用光與物質粒子而非電子來驅動人工智慧（AI）運算的新方法，有望解決當前電子晶片面臨的能耗與散熱瓶頸。這項研究成果已發表在《物理評論快報》（Physical Review Letters）上。
現今的電腦、智慧型手機乃至於AI系統，其運算基礎皆源自於透過電子流來解決複雜數學問題的模式。早在現代運算時代的開端，由賓州大學研究人員約翰·皮斯普·埃克特（J. Presper Eckert）與約翰·莫奇利（John Mauchly）開發的 ENIAC 電腦便是此一模式的先驅。然而，隨著人工智慧的應用需求不斷增長，基於電子的硬體限制也日益顯現。
電子在材料中移動時會產生熱量和電阻，導致能量浪費，且隨著晶片日益複雜、處理巨量AI數據，這些問題更加嚴峻。賓州大學 School of Arts & Sciences 的物理學家博·甄（Bo Zhen）領導的研究團隊認為，光子（構成光的粒子）可望解決這些困境。研究團隊表示，由於光子不帶電荷且靜止質量為零，因此能以極低的損耗，快速地將資訊傳輸至遠距離，這也是其主導通訊技術的原因。
然而，光子的中性特質使其與環境的互動性極低，不適合電腦所需的訊號切換邏輯。換言之，光子雖擅長快速高效傳輸資訊，卻難以執行運算所需的切換操作。為此，博·甄的團隊開發出一種特殊的準粒子，稱為「激子-極化子」（exciton-polariton）。這種粒子是在原子級薄半導體材料中，當光子與電子強烈耦合時形成，讓光能更有效地相互作用，進而執行運算所需的訊號切換。
這項突破對於極度耗能的人工智慧系統尤其關鍵。目前許多實驗性光子AI晶片已能利用光線高速處理特定運算，但當需要執行非線性啟動步驟（例如決策操作）時，這些系統通常需將光訊號轉換回電子訊號。這種轉換過程不僅減緩了速度，也增加了能耗，降低了光子運算的效益。
透過激子-極化子，賓州大學的研究人員成功展示了全光切換技術，且僅需約 4 千萬億分之一焦耳（4 quadrillionths of a joule）的極低能量。如果這項技術能成功擴展，有望打造出能直接從攝影機處理資訊的光子晶片，省去光電訊號之間的重複轉換。此外，該方法也有望大幅降低大型AI系統的龐大能耗，並可能在未來的晶片上支援基本的量子運算功能。