Processeur de convolution optique en flux auto-étalonné, rendu possible par un micropeigne

Pourquoi des machines pensantes plus rapides comptent

Des vidéos en continu à l’entraînement de modèles d’IA gigantesques, les centres de données modernes sont submergés d’informations. Déplacer et traiter toutes ces données avec les puces électroniques actuelles consomme d’énormes quantités d’énergie et se heurte à des limites de vitesse. Cet article présente un nouveau type de puce de calcul à base de lumière qui peut servir de « front end » rapide et peu énergivore pour les systèmes d’IA, traitant une partie des calculs les plus lourds avant que les données n’atteignent les processeurs conventionnels.

Confier le travail lourd à la lumière

La plupart des systèmes d’IA reposent sur la convolution, une sorte de fenêtre mathématique glissante qui balaie des images, des sons ou d’autres signaux pour en extraire des caractéristiques comme des contours ou des textures. L’électronique réalise ces opérations pas à pas, en déplaçant continuellement des nombres vers et depuis la mémoire. La puce décrite ici remplace cela par un processus physique où des faisceaux lumineux sont divisés, retardés, pondérés puis recombinés. Comme le calcul se produit pendant que la lumière circule, cela évite une grande partie des mouvements de données qui ralentissent et chauffent le matériel électronique, et peut fonctionner à des dizaines de milliards d’opérations par seconde pour chaque flux de données.

Beaucoup de couleurs de lumière, beaucoup de tâches simultanées

Un ingrédient clé est un dispositif appelé micropeigne : une source laser minuscule en anneau qui produit des dizaines de couleurs, ou longueurs d’onde, régulièrement espacées. Chaque couleur agit comme une voie indépendante sur une autoroute optique à grande vitesse. Le processeur de convolution en flux optique de l’équipe envoie toutes ces couleurs à travers la même puce, mais organise les trajectoires pour qu’elles subissent le même « noyau de convolution » — l’ensemble des poids utilisés pour analyser les données. Des retards temporels entre les chemins, combinés aux différentes longueurs d’onde, créent une forme de parallélisme tridimensionnel en temps, en espace et en longueur d’onde. Dans les expériences, le système a traité des données à 50 gigabaud par couleur et a atteint une vitesse de calcul totale d’environ 4 000 milliards d’opérations par seconde sur cinq longueurs d’onde.

Apprendre à une puce lumineuse à rester précise

Utiliser l’interférence entre ondes lumineuses pour effectuer des calculs est puissant mais fragile : des changements de longueur de trajet à l’échelle du nanomètre peuvent compromettre des poids soigneusement réglés. Pour maintenir la précision de la puce, les chercheurs ont intégré une voie de référence spéciale et une procédure d’auto-étalonnage. En balayant un laser sur différentes fréquences et en ne mesurant que la puissance de sortie, ils reconstruisent à la fois l’amplitude et la phase de chaque chemin à l’intérieur du dispositif. Une boucle de correction ajuste ensuite de petits chauffages sur la puce jusqu’à ce que les poids de convolution mesurés correspondent aux valeurs désirées. Ce réglage automatique corrige non seulement les imperfections de fabrication et les dérives de température, il permet aussi de reprogrammer la même puce pour des tâches différentes, comme le floutage ou la détection de contours dans des images.

Des filtres d’images aux charges de travail IA réelles

Pour montrer que le processeur est utile au-delà des simples démonstrations, les auteurs l’ont combiné avec des couches de réseau neuronal électroniques standard dans un système hybride. La puce optique a pris en charge la première couche convolutionnelle, extrayant des caractéristiques de base d’images en couleur transmises sur plusieurs canaux de longueurs d’onde. Les flux de caractéristiques résultants ont été reconvertis en signaux électroniques et injectés dans un réseau numérique plus profond. Testé sur le jeu de données d’images CIFAR‑10, qui comprend des classes comme avions, chats et camions, le système hybride optique‑électronique s’est approché de la précision d’un modèle entièrement numérique tout en déchargeant une partie importante du calcul dans le domaine photonique.

Ce que cela pourrait signifier pour les centres de données de demain

En termes simples, ce travail montre que de petites puces qui calculent avec la lumière peuvent se connecter directement aux liaisons à fibre optique existantes dans les centres de données et agir comme des accélérateurs partagés pour les charges de travail d’IA. En combinant plusieurs couleurs de lumière, plusieurs chemins de retard et une méthode d’auto-étalonnage intégrée, le processeur démontré atteint des vitesses très élevées et une bonne précision sans consommation d’énergie excessive. Si l’on monte en échelle, des dispositifs similaires pourraient se placer entre les baies de stockage et de calcul, effectuant des filtrages et des extractions de caractéristiques rapides sur les données en flux, aidant les machines « pensantes » du futur à fonctionner plus vite et plus vert.

Citation: 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

Mots-clés: informatique optique, matériel d’IA photonique, micropeigne, accélération des centres de données, réseaux de neurones convolutionnels