معالج تدفق تجميع بصري مُوازي بقدرة ميكرو-المرشح مع معايرة ذاتية

لماذا تهم الأجهزة التي تفكر بشكل أسرع

من الفيديو المتدفّق إلى تدريب نماذج ذكاء اصطناعي هائلة، تغرق مراكز البيانات الحديثة في معلوماتٍ هائلة. نقل ومعالجة كل تلك البيانات باستخدام وحدات الإلكترونيات الحالية يستهلك طاقة كبيرة ويصطدم بقيود سرعة. يقدم هذا البحث نوعًا جديدًا من شرائح الحوسبة الضوئية التي يمكن أن تعمل كـ "واجهة" سريعة ومنخفضة الطاقة لأنظمة الذكاء الاصطناعي، تتولى بعض العمليات الحسابية الأثقل قبل أن تصل البيانات إلى المعالجات التقليدية.

السماح للضوء بحمل العبء الثقيل

تعتمد معظم أنظمة الذكاء الاصطناعي على الالتفاف (التفاف رياضي منزلق)؛ نافذة متحركة تفحص الصور أو الصوت أو الإشارات لاستخلاص ميزات مثل الحواف أو النسيج. تنفذ الإلكترونيات هذه العمليات خطوة بخطوة، مع تحريك الأرقام داخل وخارج الذاكرة. تستبدل الشريحة الموصوفة هنا ذلك بعملية فيزيائية حيث تتقسم أشعة الضوء وتُؤخَّر وتوزن ثم تُعاد دمجها. وبما أن الحساب يحدث أثناء انتقال الضوء، فإنه يتجنّب الكثير من حركة البيانات التي تبطئ وتسخّن الأجهزة الإلكترونية، ويمكن أن يعمل بمعدلات تصل إلى عشرات المليارات من العمليات في الثانية لكل مسار بيانات.

ألوان ضوئية متعددة، ومهام متعددة في آن واحد

المكوّن الرئيسي هو جهاز يُسمى ميكروكومب: مصدر ليزر حلقي صغير ينتج عشرات الألوان المتباعدة بشكل منتظم، أو الأطوال الموجية، من الضوء دفعة واحدة. كل لون يعمل كحارة مستقلة في طريق بصري سريع. يمرر معالج التدفق الالتفافي الضوئي كل هذه الألوان عبر نفس الشريحة، لكنه يُنظّم المسارات بحيث تختبر نفس "نواة الالتفاف"—مجموعة الأوزان المستخدمة لتحليل البيانات. تؤدي التأخيرات الزمنية بين المسارات، مع اختلاف الأطوال الموجية، إلى شكل ثلاثي الأبعاد من التوازي في الزمن والمكان والطول الموجي. في التجارب، عالج النظام بيانات بسرعة 50 جيجابود لكل لون، وبلغ إجمالي سرعة الحوسبة نحو 4 تريليونات عملية في الثانية عبر خمسة أطوال موجية.

تعليم شريحة ضوئية للحفاظ على الدقة

استخدام تداخل موجات الضوء في الحوسبة قوي لكنه هش: تغيّرات على مقياس النانومتر في طول المسار قد تفسد الأوزان المضبوطة بعناية. للحفاظ على دقة الشريحة، بنى الباحثون مسار مرجعي خاصًا وإجراء معايرة ذاتية. من خلال مسح ليزر عبر الترددات وقياس القدرة الخارجة فقط، يعيدون بناء كل من مقدار وطور كل مسار داخل الجهاز. ثم يضبط حلقة تغذية راجعة سخانات صغيرة على الشريحة حتى تتطابق أوزان الالتفاف المقاسة مع المرغوبة. لا يصحح هذا الضبط التلقائي العيوب الناتجة عن التصنيع وانحرافات الحرارة فحسب، بل يسمح أيضًا بإعادة برمجة الشريحة لمهام مختلفة، مثل التمويه أو اكتشاف الحواف في الصور.

من مرشحات الصور إلى أحمال عمل ذكاء اصطناعي حقيقية

لإثبات أن المعالج مفيد أبعد من العروض البسيطة، دمجه المؤلفون مع طبقات شبكات عصبية إلكترونية قياسية في نظام هجين. تعاملت الشريحة البصرية مع الطبقة الالتفافية الأولى، مستخرجة الميزات الأساسية من الصور الملونة المحمولة على عدة قنوات طول موجي. حوّلت تيارات الميزات الناتجة مرة أخرى إلى إلكترونيات وأُدخِلَت في شبكة رقمية أعمق. عند الاختبار على مجموعة بيانات الصور CIFAR-10، التي تتضمن فئات مثل الطائرات والقطط والشاحنات، اقترب النظام الهجين البصري-الإلكتروني من دقة نموذج رقمي كامل بينما نقل جزءًا من الحساب الثقيل إلى المجال الضوئي.

ما الذي قد يعنيه هذا لمراكز البيانات مستقبلاً

بعبارات بسيطة، يُظهر هذا العمل أن شرائح صغيرة تحسب بالضوء يمكن أن تُوصَل مباشرة بروابط الألياف البصرية الحالية في مراكز البيانات وتعمل كمسرّعات مشتركة لأحمال عمل الذكاء الاصطناعي. من خلال الجمع بين ألوان ضوئية متعددة ومسارات تأخير متعددة وطريقة معايرة ذاتية مدمجة، يحقق المعالج المعروض سرعات عالية جدًا ودقة جيدة دون استهلاك طاقة مفرط. إذا تم توسيعه، يمكن لأجهزة مماثلة أن توضع بين رفوف التخزين والحوسبة؛ تقوم بترشيح واستخلاص الميزات بسرعة أثناء تدفق البيانات، مما يساعد الآلات "المفكرة" المستقبلية على العمل بشكل أسرع وأكثر كفاءة في استهلاك الطاقة.

الاستشهاد: Wang, J., Xu, X., Zhu, X. et al. Microcomb-enabled parallel self- calibration optical convolution streaming processor. Light Sci Appl 15, 149 (2026). https://doi.org/10.1038/s41377-025-02093-5

الكلمات المفتاحية: الحوسبة البصرية, عتاد الذكاء الاصطناعي الضوئي, ميكروكومب, تسريع مراكز البيانات, الشبكات العصبية الالتفافية