BEIJING | okemedan
Para peneliti di Universitas Peking China telah mengembangkan chip analog yang memproses data dalam aplikasi praktis 12 kali lebih cepat daripada chip digital sehingga mengurangi ketergantungan kecerdasan buatan (AI) pada prosesor digital yang boros energi.
Chip baru ini tidak hanya dapat menyelesaikan masalah matematika dasar tetapi juga mengoperasikan sistem rekomendasi yang dipersonalisasi dan pengolahan gambar. Hasil penelitian tersebut dipublikasikan dalam jurnal Nature Communications .
Salah seorang peneliti, Sun Zhong, menjelaskan chip tersebut mencapai kecepatan pemrosesan 12 kali lebih cepat daripada prosesor digital canggih, sekaligus meningkatkan efisiensi energi lebih dari 200 kali lipat.
Hasil ini diverifikasi dengan melatih sistem rekomendasi menggunakan kumpulan data yang ukurannya sebanding dengan Netflix dan Yahoo. Dalam uji kompresi gambar, chip tersebut mampu merekonstruksi gambar dengan kualitas visual yang hampir setara dengan metode numerik tradisional, sekaligus mengurangi ruang penyimpanan hingga setengahnya.
Penelitian ini telah memperluas batasan komputasi analog dengan memungkinkan chip tersebut untuk menangani tugas-tugas kompleks sambil mempertahankan keunggulan kecepatan dan konsumsi daya yang rendah.
Seorang ahli yang meninjau makalah tersebut mencatat bahwa hasil eksperimen menunjukkan potensi aplikasi industri dari teknologi ini khususnya peningkatan luar biasa dalam kecepatan dan efisiensi energi dibandingkan dengan chip digital tradisional.
Komputasi analog, sebuah metode komputasi yang didasarkan pada sinyal fisik dan bukan kode biner, telah dipelajari beberapa dekade lalu tetapi secara bertahap digantikan seiring dengan semakin cepat, murah, dan stabilnya chip digital.
Berbeda dengan komputer digital yang memproses informasi langkah demi langkah menggunakan kode biner yang terdiri dari angka 0 dan 1, komputasi analog merepresentasikan angka menggunakan sinyal fisik yang terus berubah, seperti arus atau tegangan.
Secara teori, pendekatan ini memungkinkan beberapa komputasi terjadi secara bersamaan, menawarkan keuntungan signifikan dalam hal kecepatan dan efisiensi energi untuk tugas-tugas tertentu.
Mengingat sistem AI sangat bergantung pada prosesor digital yang boros daya, biaya transfer data antara memori dan unit komputasi telah menjadi hambatan utama.
Kemajuan dalam material, desain sirkuit, dan algoritma dalam beberapa tahun terakhir telah menghidupkan kembali minat pada perangkat keras analog, yang berpotensi melakukan komputasi langsung di tempat data disimpan.
Dalam sebuah studi yang diterbitkan pada tahun 2025, chip analog dapat secara signifikan mempercepat operasi aritmatika dasar, hingga 1.000 kali lebih cepat daripada prosesor digital kelas atas seperti GPU Nvidia H100, sambil mengonsumsi daya yang jauh lebih sedikit.
Dalam penelitian terbaru mereka, tim tersebut menerapkan dekomposisi matriks non-negatif (NMF), teknik umum dalam analisis gambar dan sistem rekomendasi. Seiring bertambahnya jumlah data hingga jutaan elemen, perangkat keras digital tradisional seringkali kesulitan karena keterbatasan komputasi dan memori.
Untuk mengatasi hal ini tim peneliti mengembangkan chip komputasi analog berbasis memori resistif, dan mendesain ulang sirkuit inti untuk melakukan bagian algoritma yang paling kompleks dalam satu langkah. Menurut Science Daily, pendekatan ini mengurangi jumlah unit komputasi yang dibutuhkan, sehingga mengecilkan ukuran chip dan secara signifikan mengurangi konsumsi daya.
“Penelitian kami telah membuka jalan baru untuk memecahkan masalah data kompleks secara real-time, dan menunjukkan potensi luar biasa dari komputasi analog dalam aplikasi praktis,” kata Sun.
Dalam sebuah unggahan di media sosial, Sun mengatakan bahwa ia telah terpesona oleh NMF sejak teknik tersebut pertama kali diusulkan oleh dua ilmuwan kelahiran Korea pada tahun 1999.
“Merupakan suatu kebanggaan melihat teknik ini diperkenalkan ke bidang komputasi analog dalam memori, setelah 27 tahun,” ujarnya.
OM – nta
