Một nghiên cứu chung vừa được công bố trên tạp chí khoa học danh tiếng Nature ngày hôm nay đã mở ra một hướng đi hoàn toàn mới cho ngành công nghiệp bán dẫn và trí tuệ nhân tạo. Nhóm nghiên cứu từ Viện Công nghệ Massachusetts (MIT) phối hợp cùng Google DeepMind đã phát triển thành công kiến trúc "Mạng nơ-ron lấy cảm hứng từ lượng tử" (Quantum-inspired Neural Networks - QiNN).
Phương pháp này mô phỏng các nguyên lý chồng chập (superposition) và vướng víu (entanglement) của vật lý lượng tử trên các hệ thống phần cứng silicon truyền thống. Bằng cách thay đổi cách thức lưu trữ và truyền tải trọng số (weights) trong mạng nơ-ron, QiNN cho phép mô hình xử lý nhiều luồng thông tin đồng thời mà không cần tăng số lượng bóng bán dẫn hoạt động.
Kết quả thử nghiệm thực tế cho thấy, khi huấn luyện một mô hình ngôn ngữ lớn có quy mô tương đương GPT-4, phương pháp QiNN giúp giảm tới 90% lượng điện năng tiêu thụ và rút ngắn 70% thời gian huấn luyện so với các phương pháp tối ưu hóa hiện nay. Đây được xem là chiếc phao cứu sinh cho ngành công nghiệp AI trong bối cảnh các quốc gia đang thắt chặt quy định về lượng khí thải carbon từ các trung tâm dữ liệu.
Trưởng nhóm nghiên cứu cho biết, bước tiếp theo của dự án là hợp tác với các nhà sản xuất chip lớn như TSMC và Nvidia để tích hợp trực tiếp thuật toán QiNN vào phần cứng của các thế hệ GPU tiếp theo, dự kiến sẽ thương mại hóa vào cuối năm 2027.