محققان در دستاوردی جدید، چارچوب «Opto-ViT-v2» را برای آموزش مدلهای «Vision Transformer» مستقیماً روی تراشههای فوتونیک سیلیکونی معرفی کردهاند. این تکنولوژی با استفاده از روشهای «تنظیم دقیق پارامتر-کارآمد» (PEFT)، چالشهای سنتی مثل نیاز به حافظه بالا و حساسیت به نویز در قطعات نوری را حل کرده است.
ویژگیهای کلیدی این سیستم:
✅ کاهش چشمگیر هزینههای آموزش با استفاده از مدلسازی نویز سیستممحور.
✅ بهینهسازی مصرف انرژی در پردازشهای سنگین بینایی ماشین.
✅ قابلیت استفاده در محیطهای نزدیک به سنسور (Near-sensor) با بهرهوری بسیار بالا.
این پیشرفت میتواند مسیر را برای استفاده از هوش مصنوعی بسیار سریع و کممصرف در دستگاههای لبه (Edge Devices) هموارتر کند. 💡
منبع: arXiv AI