Представьте себе компьютер, способный выполнять миллиарды операций в секунду, при этом не нагреваясь и не потребляя огромные объемы энергии. Звучит как научная фантастика? Однако ученые из Массачусетского технологического института сделали важный шаг к реализации этого проекта, создав нейронный процессор, работающий на основе света. Потенциально он способен превзойти по скорости и энергоэффективности традиционные электронные системы, а также кардинально изменить подход к машинному обучению, устранив ограничения, с которыми сталкиваются современные суперкомпьютеры.

Традиционные системы искусственного интеллекта, особенно сложные модели глубокого обучения, требуют колоссальных вычислительных ресурсов. Зачастую для их работы необходимы целые дата-центры, потребляющие огромное количество энергии. К тому же необходимо учитывать тот факт, что современные кремниевые чипы, основанные на транзисторах, достигли предела своего развития, и уже почти упираются в физические ограничения на уровне атомов. Дальнейшее увеличение производительности становится все более сложной и затратной задачей.

В поисках альтернативы исследователи обратили внимание на фотонику – науку об управлении световыми потоками. Теоретически, фотоны, частицы света, могут обеспечить гораздо более высокую скорость передачи данных и вычислительную мощность по сравнению с электронами. Однако разработка практичных фотонных устройств на уровне микрочипа долгое время оставалась сложной инженерной проблемой.

Предыдущие попытки ученых MIT в 2017 году привели к разработке прототипа фотонного чипа, способного выполнять базовые операции нейронных сетей, такие как умножение матриц. Этот процесс, лежащий в основе большинства алгоритмов машинного обучения, позволяет преобразовывать данные по мере их прохождения через сеть. Тем не менее, самые сложные функции обучения, требующие нелинейных преобразований, оставались недоступными для чисто фотонной реализации. Их приходилось обрабатывать на внешних электронных схемах, что сводило на нет преимущества скорости света.

Новая технология, предложенная доктором Саумилом Бандиопадхьяем, решает эту проблему с помощью встроенных нелинейных оптических функциональных блоков (NOFU). Метод Саумила позволил проводить весь процесс обработки данных на одном чипе. Данные кодируются в световые лучи с помощью программируемых светоделителей. Когда требуется нелинейная операция, часть света отводится на фотодиоды, которые преобразуют его в электрические сигналы для обработки на месте, после чего данные снова возвращаются в оптическую форму. Это позволяет избежать задержек, связанных с передачей данных на внешние устройства.

"Ключевое преимущество нашей архитектуры заключается в том, что мы остаемся в оптической области на протяжении всего процесса вычислений, переходя к электронике только в момент считывания результата. Это позволяет достичь беспрецедентно низкой задержки", – поясняет доктор Бандиопадхьяй.

Эксперименты показали, что новый фотонный чип способен обучать нейронные сети с точностью до 96%, что сопоставимо с традиционными электронными системами. При выполнении задач машинного обучения точность составила 92%, но при этом скорость вычислений оказалась в разы выше – ключевые операции выполнялись всего за полнаносекунды.

Важно отметить, что для производства фотонных чипов можно использовать существующее оборудование полупроводниковой промышленности, что значительно упрощает их внедрение. Несмотря на то, что транзисторные технологии пока остаются более доступными и понятными, фотоника открывает захватывающие перспективы для будущего вычислительной техники. По мере того, как традиционные электронные чипы приближаются к пределу своих возможностей, фотонные процессоры могут стать основой для следующего поколения сверхбыстрых и энергоэффективных систем искусственного интеллекта.