معالج فوتوني لمضروب المصفوفات بطلقة واحدة قائم على تعدد الإرسال المكاني-الطيفي والتناثر المتوازي

لماذا تهم الحوسبة الأسرع والأكثر صداقة للبيئة

في كل مرة نسأل فيها مساعدًا رقميًا سؤالًا أو نتصفح وسائل التواصل الاجتماعي، تعمل نماذج ذكاء اصطناعي قوية في الخلفية. هذه النماذج أصبحت كبيرة لدرجة أن شرائح الحاسب التقليدية تكافح لمواكبتها دون استهلاك كميات هائلة من الطاقة. تصف هذه المقالة نوعًا جديدًا من عتاد الحوسبة الذي يستخدم الضوء بدلًا من الكهرباء لإجراء حسابات أساسية في الذكاء الاصطناعي، بهدف جعل الآلات المستقبلية أسرع وأكثر كفاءة في استهلاك الطاقة.

تحويل الضوء إلى آلة حاسبة

تشغيل الذكاء الاصطناعي الحديث يعتمد على عمليات تُسمى ضرب المصفوفات، تُكرر مليارات أو تريليونات المرات عندما يحلل الشبكة العصبية صورًا أو نصًا. تقوم الشرائح الإلكترونية بهذا العمل بشكل موثوق لكنها تهدر الكثير من الطاقة لنقل البيانات ذهابًا وإيابًا داخل الشريحة. يبني الباحثون وراء هذه الدراسة على فكرة مختلفة: دع الضوء نفسه يؤدي الحسابات. في شبكة عصبية بصرية، تُرمَز المعلومات إلى حزم ليزر، وتُعالج أثناء مرور الحزم عبر العدسات والمعدلات، ثم تُقرأ بواسطة حساسات ضوئية. لأن الفوتونات لا تُسخّن الأسلاك كما تفعل الإلكترونات، يمكن لمثل هذه الأنظمة، من الناحية النظرية، أن تحقق سرعات وكفاءات أعلى بكثير.

إجراء العديد من الحسابات في طلقة واحدة

تعاني معظم الشبكات العصبية البصرية الحالية من قيد: فهي تستطيع فقط معالجة عدد محدود من الحسابات بالتوازي، أو تصبح معقدة للغاية بحيث يصعب توسيعها. يقدم هذا العمل معالجًا فوتونيًا لمضروب المصفوفات «بطلقة واحدة» يرفع بشكل كبير عدد العمليات التي يمكن تنفيذها دفعة واحدة. الفكرة الأساسية هي حزم المعلومات في ثلاثة أبعاد مختلفة للضوء في آن واحد — موضعه في الفضاء، لونه (الطول الموجي)، وتوقيته. من خلال ترتيب هذه الأبعاد بعناية، يمكن للجهاز إجراء ضرب مصفوفة في مصفوفة كامل، يتضمن آلاف خطوات الضرب والجمع التراكمي، في مرور واحد للضوء عبر النظام.

شبكة حيود كمنظم مروري للضوء

في قلب التصميم عنصر بصري بسيط لكنه قوي: شبكة حيود، التي تفرّق الضوء إلى زوايا مختلفة اعتمادًا على لونه. يستخدم الفريق نظام شبكات حيود مرتّبًا ثلاثي الأبعاد يعمل كمنظم مروري، موجهًا حزمًا ملونة عديدة من قنوات إدخال متعددة نحو قنوات إخراج معاد ترتيبها. تُرمَز البيانات المطلوب معالجتها كثوابت ضوئية على مجموعة من المعدلات، بينما تُرمَز "الأوزان" الخاصة بالشبكة العصبية على مجموعة أخرى. عندما تلتقي الحزم وتمر عبر شبكة الحيود، تُعاد ترتيب مساراتها بحيث يجمع كل مسار إخراج طبيعيًا التوليفات الصحيحة من البيانات والأوزان. ثم تجمع الكاشفات الناقلة للزمن المدمج المساهمات عبر عدة خطوات زمنية قصيرة، موسعةً فعليًا حجم الحساب دون إضافة تعقيد بصري إضافي.

من إعداد المختبر إلى مهام الذكاء الاصطناعي الحقيقية

يستعرض المؤلفون معالجًا بصريًا موتريًا بأبعاد 16×16×16×16، ما يعني أنه يمكنه ضرب مصفوفة 16×16 بمصفوفة 16×16 في «طلقة بصرية» واحدة، محققًا 4096 عملية أساسية دفعة واحدة. يعمل النظام بترددات ساعة متعددة الجيجاهرتز ويصل إلى دقة حسابية فعّالة تزيد عن ثماني بتات، ما يقارب العديد من مسرعات الذكاء الاصطناعي العملية. ولإثبات أن هذا ليس مجرد عرض فيزيائي، استخدموا المعالج لتشغيل أجزاء من خط أنابيب تعرف الصور الصغير: شبكة عصبية تلافيفية تستخرج الميزات من صور الأرقام، تليها شبكة عصبية متصلة تمامًا تقوم بتصنيفها. حتى مع الضوضاء البصرية وعيوب العتاد، تعرف الإعداد بشكل صحيح على الأرقام المكتوبة بخط اليد بدقة تقارب 96%، وهي قيمة قريبة من تنفيذ رقمي كامل لنفس النموذج.

استخدام الطاقة، الحساسية، ومدى قابلية التوسع

بما أن البنية تعيد استخدام نفس المكونات البصرية عبر قنوات موازية عديدة وتجمع الإشارات بكفاءة، يمكن تنفيذ كل عملية أساسية بطاقة ضئيلة للغاية — حتى عشرات الأتو جول من الطاقة الضوئية لكل عملية ضرب. يقدّر المؤلفون كفاءة طاقة كلية تتجاوز بالفعل بعض مسرعات الذكاء الاصطناعي الإلكترونية المتقدمة، ويشيرون إلى أن تحسينات متواضعة في المعدلات ومحولات الرقمي إلى التماثلي قد تدفع هذا إلى مئات التريليونات من العمليات في الثانية لكل واط. والأهم من ذلك، أن التصميم يتجنب بعض عقبات التوسع التي تعاني منها مخططات بصرية أخرى، لذا تبدو النسخ الأكبر ذات قنوات أكثر (مثل مصفوفات 30×30 أو حتى 60×60) قابلة للتنفيذ باستخدام مكونات مشابهة.

ماذا يعني هذا لتكنولوجيا الحياة اليومية

بعبارات بسيطة، تُظهر هذه الدراسة أن إعدادًا بصريًا بسيطًا نسبيًا — طريقة ذكية لتوجيه حزم ضوئية ملونة عبر شبكة حيود — يمكن أن يعمل كمحرّك قوي ومنخفض الطاقة لحسابات على غرار الذكاء الاصطناعي. ورغم أن هذا لا يزال نموذجًا أوليًا مخبريًا، فإنه يشير إلى مراكز بيانات وأجهزة طرفية مستقبلية حيث تتولى المعالجات الضوئية أعباء الشبكات العصبية الأثقل، مما يخفض فواتير الطاقة ويتيح نماذج أكبر وأسرع. إذا أمكن دمج هذه المحاور الموترية الفوتونية وتصنيعها على نطاق واسع، فقد تصبح مكونًا رئيسيًا في الجيل القادم من عتاد الذكاء الاصطناعي عالي الأداء وذي الكفاءة الطاقية.

الاستشهاد: Luan, C., Davis III, R., Chen, Z. et al. Single-shot matrix-matrix photonic processor based on spatial-spectral hypermultiplexed parallel diffraction. Nat Commun 17, 484 (2026). https://doi.org/10.1038/s41467-026-68452-x

الكلمات المفتاحية: الشبكات العصبية البصرية, الحوسبة الفوتونية, ضرب المصفوفات, عتاد ذكاء اصطناعي موفر للطاقة, شبكة حيود