- Przełom w optycznej AI: Naukowcy z Uniwersytetu Florydy opracowali pierwszy w swoim rodzaju fotonowy układ scalony – pierwszy, który umieszcza obliczenia optyczne bezpośrednio na chipie dla sieci neuronowych – wykorzystujący światło (lasery i mikroskopijne soczewki) zamiast elektryczności do wykonywania jednego z najbardziej energochłonnych zadań AI news.ufl.edu.
- 100-krotny wzrost wydajności energetycznej: Wykorzystanie światła drastycznie zmniejsza ilość energii potrzebnej do kluczowych obliczeń AI. Prototyp osiągnął 10× do 100× większą wydajność energetyczną niż obecne elektroniczne układy scalone wykonujące te same operacje news.ufl.edu, skutecznie przeprowadzając te obliczenia przy „prawie zerowym zużyciu energii”, według głównych badaczy news.ufl.edu.
- Bez utraty dokładności: W testach wydajność fotonowego układu scalonego dorównywała tradycyjnym procesorom – poprawnie klasyfikował obrazy ręcznie pisanych cyfr z dokładnością ~98%, praktycznie nie do odróżnienia od zwykłej cyfrowej sieci neuronowej, zużywając jedynie ułamek energii news.ufl.edu, allaboutcircuits.com.
- Jak to działa: Układ wykorzystuje światło laserowe i maleńkie soczewki do wykonywania obliczeń. Przekształca dane wejściowe (na przykład wartości pikseli z obrazu) w światło laserowe na chipie. To światło przechodzi następnie przez dwa zestawy mikroskopijnych soczewek Fresnela – płaskich mikrosoczewek węższych niż ludzki włos – które wykonują splot (obliczenie dopasowania wzorca) poprzez zginanie i łączenie światła. Ostatecznie powstały wzór świetlny jest przekształcany z powrotem w sygnał elektroniczny, aby zakończyć obliczenia AI news.ufl.edu, sciencedaily.com.
- Przetwarzanie równoległe z użyciem fotonów: W przeciwieństwie do konwencjonalnych układów scalonych, projekt fotoniczny może obsługiwać wiele operacji jednocześnie. Dzięki wykorzystaniu laserów o różnych kolorach (technika zwana multipleksowaniem długości fali), układ przetwarza wiele strumieni danych równolegle przez ten sam system soczewek optycznych – znacznie zwiększając przepustowość bez dodatkowego zużycia energii czy zwiększenia rozmiaru sciencedaily.com, news.ufl.edu.
- Duży wpływ na przyszłość AI: Dzięki radykalnemu zmniejszeniu zapotrzebowania AI na energię, ten układ fotoniczny toruje drogę do bardziej ekologicznej, szybszej AI. Może pomóc odciążyć sieci energetyczne, na które duże obciążenie nakładają energochłonne zadania AI news.ufl.edu i umożliwić zaawansowanej AI działanie w wielu nowych miejscach – od chmur obliczeniowych po niewielkie urządzenia brzegowe, takie jak drony, wearables czy nawet implanty medyczne, które wcześniej nie mogły wykonywać takich zadań z powodu ograniczeń energetycznych i cieplnych allaboutcircuits.com.
Układ scalony, który oblicza za pomocą światła (i dlaczego to takie ważne)
Sztuczna inteligencja stała się wszechobecna, napędzając wszystko – od rozpoznawania twarzy po tłumaczenia językowe w czasie rzeczywistym – ale ten postęp odbywa się kosztem ogromnego zużycia energii sciencedaily.com. W szczególności konwolucyjne sieci neuronowe (CNN), które stoją za wieloma „największymi osiągnięciami” AI (takimi jak rozpoznawanie twarzy na zdjęciach, odczytywanie pisma odręcznego czy tłumaczenie tekstu), pochłaniają ogromne zasoby obliczeniowe, skanując dane za pomocą milionów drobnych filtrów w celu wykrycia wzorców newatlas.com. Wykonywanie tych konwolucji jest tak intensywne, że porównuje się je do „biegu maratońskiego przez każdy piksel” obrazu newatlas.com. W miarę jak modele AI stają się coraz bardziej złożone, ilość energii i czasu potrzebna do takich obliczeń staje się poważnym wąskim gardłem, budząc obawy o efektywność, a nawet wywołując rozmowy o nadchodzącej „recesji AI”, jeśli koszty będą nadal gwałtownie rosnąć newatlas.com.
Aby stawić czoła temu wyzwaniu, naukowcy z Uniwersytetu Florydy stworzyli coś radykalnego: nowy układ scalony, który zamienia elektryczność na światło, aby obsłużyć jedną z najbardziej energochłonnych operacji AI newatlas.com. Ich prototyp, oficjalnie nazwany fotonicznym korelatorem wspólnej transformaty (pJTC), wykorzystuje wiązki światła laserowego i zintegrowane na chipie elementy optyczne do wykonywania splotu – kluczowego etapu wykrywania wzorców w zadaniach związanych z wizją i językiem – w ułamku czasu i energii, jakiej wymagają tradycyjne układy krzemowe news.ufl.edu. W istocie, układ wykonuje obliczenia za pomocą fotonów zamiast elektronów.
Oto jak to działa: Dane (na przykład obraz lub dowolne dane liczbowe) są najpierw kodowane w impulsy światła laserowego bezpośrednio na chipie. Te zakodowane światłem dane przechodzą następnie przez mikroskopijne soczewki Fresnela zintegrowane z krzemem. Soczewki Fresnela to ultracienkie soczewki (podobne do tych w lampach latarni morskich, ale zmniejszone do kilku mikrometrów średnicy), które mogą wydajnie zginać i skupiać światło news.ufl.edu. Gdy wiązki światła niosące dane przechodzą przez dwa zestawy miniaturowych soczewek, optycznie wykonują operację splotu – zasadniczo nakładając i korelując dane z wzorcem filtra za pomocą interferencji światła. Po zakończeniu tego obliczenia optycznego (dosłownie w mgnieniu oka), powstały wzór świetlny jest przekształcany z powrotem w sygnał elektroniczny, który mogą odczytać konwencjonalne układy komputerowe news.ufl.edu, sciencedaily.com. Cały proces odbywa się z prędkością światła i praktycznie bez strat energii na opór, ponieważ fotony, w przeciwieństwie do elektronów, nie tracą energii w postaci ciepła podczas przemieszczania się przez medium optyczne.
Co najważniejsze, to podejście oparte na świetle nie poświęca dokładności ani możliwości. W demonstracji proof-of-concept zespół zintegrował swoją fotoniczną jednostkę splotową z prostą siecią neuronową i wykorzystał ją do rozpoznawania obrazów ręcznie pisanych cyfr (klasyczny test referencyjny MNIST). Optyczny układ scalony poradził sobie z tym zadaniem równie dokładnie jak standardowy procesor cyfrowy – około 98% dokładności w klasyfikacji cyfr, co jest porównywalne z istniejącymi modelami AI news.ufl.edu. Różnica polega na tym, że fotoniczny układ scalony zrobił to, zużywając znacznie mniej energii. Jedna z analiz wykazała, że może on zmniejszyć zużycie energii na jedno wnioskowanie (każdą klasyfikację) o około 100× w porównaniu z układem elektronicznym, działając na poziomie niemal „pikodżuli” energii na operację (to jedna bilionowa dżula) allaboutcircuits.com. Innymi słowy, wykonuje znaczące zadania AI przy praktycznie zerowym koszcie energetycznym. „Wykonywanie kluczowych obliczeń uczenia maszynowego przy niemal zerowym zużyciu energii to ogromny krok naprzód dla przyszłych systemów AI,” powiedział Volker J. Sorger, profesor Uniwersytetu Florydy, który kierował badaniami news.ufl.edu. Ten skok wydajności, jak zauważył, jest „kluczowy, aby w kolejnych latach nadal rozwijać możliwości AI”news.ufl.edu – to odzwierciedla dążenie całej branży do ograniczenia zużycia energii, aby AI mogła się dalej rozwijać.
Nie tylko jest wydajny, ale to także pierwszy raz, gdy inżynierowie osiągnęli taki poziom integracji obliczeń optycznych. „To pierwszy raz, gdy ktoś umieścił tego typu obliczenia optyczne na układzie scalonym i zastosował je w sieci neuronowej AI,” wyjaśnił dr Hangbo Yang, profesor nadzwyczajny w zespole UF news.ufl.edu. Innymi słowy, choć koncepcje obliczeń optycznych były badane przez dekady, to jest kamień milowy: samodzielny moduł obliczeń fotonicznych działający w systemie sieci neuronowej. Udowadniając, że lasery i soczewki można monolitycznie zintegrować w układzie scalonym do wykonywania obliczeń AI, zespół otworzył nową granicę w budowie przyszłego sprzętu AI.
Czym różni się układ fotoniczny od tradycyjnego układu scalonego?
Ten fotoniczny układ AI różni się od konwencjonalnych układów komputerowych na kilka istotnych sposobów:
- Obliczenia za pomocą światła vs. elektryczności: Zwykłe procesory polegają na elektrycznych tranzystorach, które przełączają elektrony w tryb włączony i wyłączony. W nowej konstrukcji, generowane przez laser fotony przenoszą i przetwarzają informacje zamiast tego news.ufl.edu. Ponieważ światło może przemieszczać się przez materiały optyczne z minimalnym oporem, obliczenia generują znacznie mniej ciepła i praktycznie nie tracą energii wewnątrz układu scalonego. Najcięższa praca (operacje mnożenia i sumowania w konwolucji) wykonywana jest przez fizykę interferencji światła, a nie przez masy tranzystorów zmieniających stany.
- Masowo równoległe operacje: W układach elektronicznych wykonywanie wielu operacji równolegle jest ograniczone powierzchnią układu i złożonym okablowaniem; każdy dodatkowy rdzeń lub obwód przetwarzający zwielokrotnia zużycie energii. W układzie fotonicznym wiele kanałów danych może być przetwarzanych jednocześnie przy użyciu różnych długości fal (kolorów) światła laserowego bez potrzeby powielania sprzętu allaboutcircuits.com. Kilka wiązek światła o różnych kolorach może przechodzić przez ten sam układ soczewek jednocześnie bez zakłóceń, wykonując wiele konwolucji równolegle. To multipleksowanie z podziałem długości fali daje ogromny wzrost przepustowości – prototyp może obsługiwać strumienie równolegle na jednym małym układzie optycznym allaboutcircuits.com – co byłoby trudne do osiągnięcia w tradycyjnym układzie, chyba że byłby znacznie większy i bardziej energochłonny.
- Ultraniska energia i ciepło: Być może największą różnicą jest wydajność. Przetwarzanie fotoniczne zasadniczo eliminuje główne źródła strat energii (takie jak nagrzewanie rezystancyjne w przewodach i tranzystorach). Układ UF wykazał 100-krotne zmniejszenie zużycia energii na jedno wnioskowanie w porównaniu z najnowocześniejszymi podejściami elektronicznymi allaboutcircuits.com. W praktyce działa w zakresie femtodżuli lub pikodżuli na operację, podczas gdy dzisiejsze akceleratory AI mogą zużywać nanodżule lub więcej. Tak drastyczne ograniczenie zużycia energii oznacza, że układ działa chłodno i może być nawet zasilany z małych baterii lub energii pozyskiwanej z otoczenia w środowiskach, gdzie zwykłe układy szybko wyczerpałyby źródło zasilania. To bezwentylatorowy, „prawie zerowy pobór mocy” paradygmat obliczeniowy allaboutcircuits.com, co oznacza również, że można go gęsto upakować bez ryzyka przegrzania.
- Hybrydowy model obliczeniowy: Co ciekawe, chip fotoniczny nie musi działać samodzielnie – został zaprojektowany do integracji z konwencjonalną elektroniką. W obecnym prototypie moduł optyczny obsługuje warstwę splotową sieci neuronowej, a pozostałe warstwy (takie jak neurony decyzyjne) działają na zwykłych układach cyfrowych allaboutcircuits.com. Tego typu system hybrydowy pozwala optyce robić to, co potrafi najlepiej (szybka, bezenergetyczna matematyka równoległa), a inne zadania (logika, przechowywanie pamięci, operacje nieliniowe) pozostawia tradycyjnemu krzemowi. Efektem jest nowy model obliczeniowy, w którym akcelerator fotoniczny współpracuje z CPU/GPU. Przyszły sprzęt AI może łączyć fotoniczne jednostki splotowe z elektroniczną logiką i pamięcią na tym samym chipie lub module allaboutcircuits.com. Ta kompatybilność jest kluczowa – chip optyczny został wykonany przy użyciu standardowych technik produkcji krzemu allaboutcircuits.com, co oznacza, że można go skalować i łączyć z istniejącą technologią półprzewodnikową stosunkowo bezproblemowo, bez konieczności stosowania egzotycznych materiałów czy ogromnych, wolnostanowiskowych układów optycznych.
Krótko mówiąc, dzięki wykorzystaniu fotonów zamiast elektronów, nowy chip osiąga połączenie wysokiego poziomu równoległości, niskiego zużycia energii na operację oraz potencjału integracji, co wyróżnia go na tle konwencjonalnych procesorów. To nie oznacza, że układy elektroniczne znikną – zamiast tego najprawdopodobniej czeka nas przyszłość, w której komponenty fotoniczne i elektroniczne będą współpracować, z których każdy zajmie się tymi aspektami obliczeń AI, do których jest najlepiej przystosowany.
Transformacja AI: Dlaczego to ma znaczenie?
Pojawienie się wydajnego fotonicznego chipu AI może okazać się przełomem w dziedzinie sztucznej inteligencji, zwłaszcza gdy napotykamy bariery związane z mocą i skalowalnością obecnego sprzętu. Najnowocześniejsze modele AI (od dużych modeli językowych po zaawansowane systemy wizyjne) pochłaniają ogromne ilości energii elektrycznej – do tego stopnia, że rachunki za prąd i wymagania dotyczące chłodzenia stają się czynnikami ograniczającymi badania i wdrażanie AI sciencedaily.com. „Systemy AI… zużywają ogromne ilości energii elektrycznej,” zauważono w raporcie na temat chipu UF, podkreślając wyzwania związane ze zrównoważonym rozwojem obecnego wzrostu AI sciencedaily.com. Centra danych obsługujące zadania AI obciążają sieci energetyczne i generują ciepło, do tego stopnia, że niektórzy eksperci obawiają się „kryzysu energetycznego AI.” W rzeczywistości rosnące koszty obliczeniowe wywołały obawy przed „recesją AI,” w której innowacje mogłyby zwolnić, ponieważ uruchamianie coraz większych modeli staje się po prostu zbyt kosztowne lub energetycznie nieopłacalne newatlas.com.Dlatego właśnie 100-krotny wzrost wydajności energetycznej ma tak ogromne znaczenie. Dzięki radykalnemu ograniczeniu zużycia energii na jedno obliczenie, chipy fotoniczne mogą usunąć główną barierę dla postępu AI. Zadania, które wcześniej pochłaniały kilowaty, mogą teraz wymagać jedynie miliwatów. W przypadku AI na dużą skalę oznacza to znacznie niższe koszty operacyjne i mniejszy ślad węglowy w chmurze. Na przykład trenowanie dużych modeli lub masowe usługi inferencyjne w chmurze mogłyby stać się znacznie bardziej zrównoważone – potencjalnie oszczędzając ogromne ilości energii elektrycznej (i zmniejszając zapotrzebowanie na gigantyczne systemy chłodzenia w centrach danych), jeśli optyczne akceleratory przejmą główny ciężar obliczeń sieci neuronowych news.ufl.edu. Chip zespołu z UF, na przykład, osiągnął do 305 bilionów operacji na sekundę na wat zużytej energii – to astronomiczna wydajność energetyczna, która „zostawia tradycyjne chipy daleko w tyle,” jak ujął to jeden z portali technologicznych newatlas.com. Taka wydajność może oznaczać wykonanie tego samego zadania AI przy zużyciu zaledwie ~1% energii, która normalnie byłaby potrzebna, co znacznie obniżyłoby rachunki za prąd w organizacjach intensywnie korzystających z AI i zmniejszyło emisje związane z obliczeniami AI.
Efektywność energetyczna to nie jedyna zaleta; wzrastają także szybkość i możliwości. Ponieważ chip fotoniczny może wykonywać tak wiele operacji równolegle (i nie przegrzewa się przy dużym obciążeniu), może przyspieszać zadania AI w czasie rzeczywistym. Splot optyczny, który na CPU lub nawet GPU mógłby zająć znaczną ilość czasu, może zostać wykonany niemal natychmiastowo, gdy światło przechodzi przez soczewkę. Oznacza to szybsze przetwarzanie i niższe opóźnienia dla aplikacji AI. Modele, które były zbyt wolne, by działać na urządzeniach o niskim poborze mocy, mogą teraz działać płynnie. A dzięki złagodzeniu ograniczeń związanych z zasilaniem i temperaturą, możemy również umieścić więcej mocy obliczeniowej AI w mniejszych urządzeniach lub skalować AI w chmurze bez proporcjonalnego wzrostu zapotrzebowania na chłodzenie i infrastrukturę energetyczną.
Ostatecznie innowacje takie jak ten chip fotoniczny mogą zmienić trajektorię rozwoju AI. „W niedalekiej przyszłości optyka oparta na chipach stanie się kluczową częścią każdego układu AI, którego używamy na co dzień,” przewiduje profesor Sorger, wyobrażając sobie nową normę hybrydowego przetwarzania optyczno-elektronicznego news.ufl.edu. Dzięki temu, że podstawowe obliczenia stają się praktycznie darmowe (pod względem energii), taka technologia usuwa barierę dla ekspansji AI. Pozwala wdrażać algorytmy AI w scenariuszach, w których wcześniej nie byłyby one możliwe ze względu na pobór mocy. Według Sorgiera, obliczenia optyczne mogą być właśnie „następnym” wielkim krokiem dla sprzętu AI news.ufl.edu – umożliwiając dalszą skalowalność możliwości AI (bardziej złożone modele, bardziej powszechne funkcje AI) bez napotykania na energetyczną ścianę. Krótko mówiąc, chipy fotoniczne mogą pomóc zapewnić, że rewolucja AI utrzyma swoje tempo w zrównoważony sposób, zamiast wyhamować z powodu ograniczeń energetycznych.
Zastosowania w rzeczywistych dziedzinach AI
Ponieważ zasadniczo poprawia wydajność i szybkość, ten oparty na świetle chip AI ma znaczenie dla wielu obszarów technologii. Oto kilka przykładów, gdzie może zrobić różnicę:
- Przetwarzanie języka naturalnego (NLP) i chatboty: Duże modele językowe i algorytmy tłumaczeniowe wymagają ogromnego nakładu obliczeniowego, zwykle działając na energochłonnych farmach serwerowych. Wykorzystanie chipów fotonicznych do realizacji kluczowych operacji mogłoby drastycznie zmniejszyć zużycie energii i koszty tych zadań NLP sciencedaily.com. Na przykład centrum danych obsługujące miliony zapytań asystenta głosowego lub tłumaczeń dziennie mogłoby zużywać ułamek dotychczasowej energii, zamieniając elektroniczne akceleratory AI na optyczne. W przyszłości nawet urządzenia przenośne mogą uruchamiać zaawansowane modele językowe – wyobraź sobie smartfon lub inteligentne okulary wykonujące tłumaczenie w czasie rzeczywistym – bez szybkiego rozładowywania baterii, dzięki niemal zerowemu zużyciu energii przez przetwarzanie optyczne.
- Robotyka i drony: Autonomiczne roboty, od dronów dostawczych po roboty magazynowe, często zmagają się z kompromisem między mocą obliczeniową a żywotnością baterii. Przetwarzanie obrazu i unikanie przeszkód to zadania wymagające wielu operacji splotowych, które zazwyczaj wymagają dużych procesorów i dużego poboru mocy. Fotoniczny układ AI mógłby pozwolić robotom i dronom na przetwarzanie obrazów z kamer i danych z czujników na pokładzie przy minimalnym zużyciu energii allaboutcircuits.com. Oznacza to dłuższą pracę na jednym ładowaniu i brak potrzeby stosowania dużego chłodzenia czy dużych baterii. Dron wyposażony w optyczny moduł splotowy mógłby na przykład identyfikować obiekty lub nawigować za pomocą pokładowej AI, jednocześnie znacznie wydłużając czas lotu w porównaniu z użyciem konwencjonalnego GPU. Pasywne, oparte na świetle obliczenia generują też bardzo mało ciepła, co jest idealne dla systemów robotycznych o ograniczonej przestrzeni.
- Opieka zdrowotna i obrazowanie medyczne: W opiece zdrowotnej AI jest wykorzystywana do analizy obrazów medycznych (takich jak zdjęcia rentgenowskie, MRI, tomografie komputerowe, USG) w poszukiwaniu oznak chorób, co może być bardzo wymagające obliczeniowo. Układy fotoniczne mogłyby przyspieszyć te analizy obrazów – szpitalny system AI mógłby przeglądać obrazy szybciej i przy znacznie niższych kosztach energetycznych newatlas.com. Co ważne, mogłoby to umożliwić AI w miejscu opieki: wyobraź sobie przenośne urządzenie, które potrafi analizować obrazy na poziomie jakości MRI lub monitorować pacjenta w czasie rzeczywistym za pomocą zaawansowanych sieci neuronowych, działając na baterii lub nawet w formie urządzenia noszonego. Dzięki ultrawydajnym procesorom fotonicznym, urządzenia noszone lub implanty medyczne mogłyby zawierać moduły AI, które nieustannie analizują dane (rytmy serca, poziom glukozy, sygnały nerwowe itd.) bez szybkiego wyczerpywania swoich małych baterii allaboutcircuits.com. Niska emisja ciepła jest również kluczowa – fotoniczny koprocesor AI w plastrze do noszenia lub wewnątrz implantu mógłby działać bez przegrzewania pacjenta czy powodowania uszkodzeń tkanek, z czym tradycyjne układy miałyby problem.
- Pojazdy autonomiczne: Samojezdne samochody i pojazdy autonomiczne muszą przetwarzać ogromne ilości danych z czujników (z kamer, LiDAR-u, radaru) w czasie rzeczywistym, aby podejmować decyzje w ułamku sekundy. Wymaga to intensywnych obliczeń sieci neuronowych, które obecnie pochłaniają moc kilku wysokowatowych GPU umieszczonych w bagażniku pojazdu. Chip fotoniczny mógłby przejąć zadania takie jak rozpoznawanie obrazów do wykrywania pieszych lub znaków drogowych z dużo większą wydajnością. To mogłoby zmniejszyć obciążenie energetyczne pojazdów elektrycznych (wydłużając ich zasięg, ponieważ mniej energii z akumulatora byłoby zużywane na obliczenia) i umożliwić stosowanie mniejszego, bardziej niezawodnego sprzętu AI w samochodach newatlas.com. Na przykład, konwolucyjne sieci neuronowe do widzenia i wykrywania obiektów mogłyby działać na akceleratorach optycznych, generując mniej ciepła (co poprawia niezawodność) i zużywając tak mało energii, że główny akumulator samochodu byłby praktycznie nieobciążony. Poza samochodami, każdy system autonomiczny – od sprzętu rolniczego i robotów po statki kosmiczne – mógłby skorzystać z wydajnej AI, która niemal nie wpływa na budżet energetyczny.
To tylko kilka dziedzin, które mogą zostać zrewolucjonizowane. Zasadniczo, każde zastosowanie AI, które obecnie ogranicza moc lub szybkość, może zyskać na tym rozwiązaniu. Dostawcy usług chmurowych obsługujący duże systemy AI mogliby drastycznie ograniczyć zużycie energii, umożliwiając wprowadzenie większej liczby funkcji opartych na AI bez zwiększania śladu węglowego. Urządzenia brzegowe, takie jak smartfony, zestawy AR/VR i gadżety IoT, mogłyby stać się znacznie inteligentniejsze bez poświęcania żywotności baterii. Mogłyby też pojawić się zupełnie nowe zastosowania, gdy obliczenia AI staną się tanie (energetycznie) i kompaktowe – na przykład inteligentne czujniki działające 24/7 na minimalnym poborze mocy lub logika AI w miniaturowych implantach i urządzeniach, do których dziś nie odważylibyśmy się włożyć gorącego, energochłonnego chipa.
Perspektywy ekspertów i kolejne kroki
Ten przełom w obliczeniach fotonicznych nie wydarzył się w izolacji – to efekt współpracy wielu instytucji (Uniwersytet Florydy we współpracy z UCLA i George Washington University) i odzwierciedla rosnące zainteresowanie optycznymi podejściami do AI. Wyniki zostały zrecenzowane przez ekspertów i opublikowane w czasopiśmie Advanced Photonics 8 września 2025 roku news.ufl.edu, co oznacza, że szersza społeczność naukowa zweryfikowała rezultaty. Publikacja szczegółowo opisuje projekt i wyniki eksperymentów, a jej realizacja była możliwa dzięki wsparciu Biura Badań Marynarki Wojennej USA – co jest sygnałem, że nawet sektor obronny i przemysł są zainteresowane rozwojem ultrawydajnych technologii AI.
Jednym z powodów, dla których ten fotonowy układ scalony jest tak atrakcyjny, jest to, że wykorzystuje istniejącą technologię produkcji. Soczewki i światłowody zostały wykonane przy użyciu standardowych procesów wytwarzania układów krzemowych allaboutcircuits.com, co oznacza, że prawdopodobnie można je skalować i produkować w tych samych fabrykach, które produkują tradycyjne układy scalone. To ważne dla wdrożenia w rzeczywistych zastosowaniach. W rzeczywistości, duże firmy produkujące układy scalone już badają integrację fotoniki. Producenci układów, tacy jak NVIDIA, już włączają elementy optyczne (takie jak szybkie łącza światłowodowe między układami) do niektórych swoich systemów AI, zauważają badacze z UF, co może ułatwić integrację tej nowej technologii optycznej konwolucji z przyszłymi układami AI news.ufl.edu. Innymi słowy, branża jest częściowo przygotowana na tę zmianę – nie zaczynamy od zera. Możemy zobaczyć układy hybrydowe, w których na przykład GPU NVIDIA ma dołączony moduł optycznej konwolucji, łącząc zalety obu światów.
Sami badacze są optymistycznie nastawieni do tego, dokąd to zmierza. „W niedalekiej przyszłości optyka oparta na układach scalonych stanie się kluczową częścią każdego układu AI, którego używamy na co dzień,” przewiduje prof. Sorger, który kieruje także Florida Semiconductor Institute news.ufl.edu. „A optyczne obliczenia AI są następne.” To wskazuje na wizję, w której obliczenia optyczne przechodzą z laboratorium do codziennych urządzeń i centrów danych. Wkrótce możemy rutynowo znajdować fotonowe koprocesory w laptopach, telefonach i urządzeniach AI, aby przyspieszyć i uczynić bardziej ekologicznymi nasze zadania AI. Oczywiście, potrzeba jeszcze pracy, aby przejść od prototypu do technologii masowej – inżynierowie będą testować, jak te fotonowe układy skalują się do większych sieci neuronowych, jak można je produkować na dużą skalę i jak integrować je z istniejącymi architekturami komputerowymi. Ale kierunek jest jasny: sukces tej demonstracji pokazuje, że obliczenia oparte na świetle dla AI są nie tylko możliwe, ale też niezwykle korzystne.
Jak zauważył jeden z czasopism elektronicznych, ten prototyp obsługiwał jedynie część splotową sieci neuronowych, ale przyszłe systemy hybrydowe mogą łączyć akceleratory optyczne z logiką cyfrową i pamięcią na jednym układzie scalonym allaboutcircuits.com. Tego typu konstrukcja może stać się wzorem dla sprzętu AI w nadchodzącej dekadzie. Jesteśmy w zasadzie świadkami narodzin nowej klasy akceleratorów AI. Biorąc pod uwagę pilną potrzebę bardziej wydajnych obliczeń, moment nie mógłby być lepszy. Ta innowacja kierowana przez Uniwersytet Florydy sugeruje, że trajektoria rozwoju AI może nadal rosnąć – algorytmy stają się coraz potężniejsze i wszechobecne – bez równoczesnego gwałtownego wzrostu zużycia energii. Wykorzystując prędkość światła, możemy utrzymać AI zarówno na czele postępu, jak i na zrównoważonej ścieżce rozwojunews.ufl.edu, newatlas.com.
Źródła: University of Florida News news.ufl.edu; Advanced Photonics (SPIE) via ScienceDaily sciencedaily.com; New Atlas Tech Report newatlas.com; All About Circuits industry news allaboutcircuits.com; Dataconomy Tech News dataconomy.com.
