מעבד שידור-קונבולוציה אופטי בעל כיול עצמי מקביל, מופעל על ידי מיקרוקומב

מדוע מכונות חושבות מהירות יותר חשובות

מוידאו זורם ועד אימון של מודלי AI עצומים — מרכזי הנתונים המודרניים טובעים במידע. העברת ועיבוד כל הנתונים האלה בעזרת שבבים אלקטרוניים היום צורכת כמויות עצומות של אנרגיה ומתנגשת במגבלת המהירות. המאמר הזה מציג סוג חדש של שבב חישוב שמבוסס על אור ויכול לשמש כ"חזית" מהירה וחסכונית באנרגיה עבור מערכות AI, המטפל בחלק מהחישובים הכבדים עוד לפני שהנתונים מגיעים למעבדים הקונבנציונליים.

לתת לאור לעשות את העבודה הכבדה

רוב מערכות ה‑AI נשענות על קונבולוציה — סוג של מסגרת מתמטית מחליקה הסורקת תמונות, קול או אותות אחרים כדי לזהות תכונות כמו קצוות או מרקמים. אלקטרוניקה מבצעת את הפעולות האלה שלב אחר שלב, תוך העברת מספרים אל תוך הזיכרון וממנו. השבב המתואר כאן מחליף זאת בתהליך פיזי שבו קרני אור מפוצלות, מושהות, משוקללות ואז מורכבות מחדש. מאחר שהחישוב מתרחש בזמן שהאור נע, הוא נמנע מרוב תנועת הנתונים שמאטה ומחממת חומרה אלקטרונית, ויכול לפעול בעשרות מיליארדי פעולות בשנייה לכל מסלול נתונים.

המון צבעים של אור — המון משימות במקביל

מרכיב מפתח הוא התקן הנקרא מיקרוקומב: מקור לייזר זעיר בצורת טבעת המפיק עשרות צבעים (אורכי גל) מרווחים באופן שווה. כל צבע פועל כמו נתיב עצמאי בכביש אופטי מהיר. מעבד השידור‑קונבולוציה האופטי של הצוות שולח את כל הצבעים האלה דרך אותו שבב, אך מארגן את המסלולים כך שיעברו את אותו "גרעין קונבולוציה" — מערך המשקלים המשמש לניתוח הנתונים. השהיות זמן בין המסלולים, בשילוב עם הצבעים השונים, יוצרים צורת פרלליזם תלת‑ממדית בזמן, במרחב ובאורך גל. בניסויים, המערכת עיבדה נתונים בקצב של 50 גיגאבאוד לכל צבע והגיעה למהירות חישוב כוללת של כ‑4 טריליון פעולות בשנייה על פני חמישה אורכי גל.

להקנות לשבב אור יציבות בדיוק

שימוש בהתאבכות גלי אור לחישוב הוא חזק אך עדין: שינויים בגודל ננומטר באורך המסלול יכולים להרוס את המשקלים הכי עדינים. כדי לשמר את הדיוק של השבב, החוקרים שילבו מסלול ייחוס מיוחד ותהליך כיול עצמי. על‑ידי סריקת לייזר על פני תדרים ומדידת עוצמת ההוצאה בלבד, הם משחזרים גם את העוצמה וגם את הפאזה של כל מסלול בתוך ההתקן. לולאת משוב מכוונת אז את כחלי החימום הזעירים על השבב עד שמדידות משקלי הקונבולוציה תואמות את המשקלים הרצויים. כיוונון אוטומטי זה לא רק מתקנן ליקויים בתהליך הייצור ולהתדרדרות טמפרטורה, אלא גם מאפשר תכנות מחדש של אותו שבב למשימות שונות, כמו טשטוש או זיהוי קצוות בתמונות.

מפילטרים של תמונות לעומסי עבודה אמיתיים של AI

כדי להראות שהמעבד מועיל מעבר להדגמות פשוטות, המחברים שילבו אותו עם שכבות רשת עצבית אלקטרוניות סטנדרטיות במערכת היברידית. השבב האופטי טיפל בשכבת הקונבולוציה הראשונה, החילוץ תכונות בסיסיות מתמונות צבע המועברות על כמה ערוצי אורך גל. זרמי התכונה שהתקבלו הוסבו חזרה לאלקטרוניקה והוזנו לרשת דיגיטלית עמוקה יותר. בבדיקה על מאגר התמונות CIFAR‑10, המכיל קטגוריות כמו מטוסים, חתולים ומשאיות, המערכת המשולבת אופטי‑אלקטרונית התקרבה לדיוק של מודל דיגיטלי מלא בזמן שהעבירה חלק מהחישוב הכבד לתחום הפוטוני.

מה זה יכול להגיד על מרכזי נתונים עתידיים

במילים פשוטות, עבודה זו מראה ששבבים זעירים המחשביים באמצעות אור יכולים להתחבר ישירות לקווי הסיבים האופטיים הקיימים במרכזי נתונים ולשמש כמאיצים משותפים לעומסי עבודה של AI. באמצעות שילוב של רבים צבעי אור, מספר מסלולי השהיה ושיטת כיול עצמי מובנית, המעבד המודגם משיג מהירויות גבוהות ודיוק טוב ללא צריכת אנרגיה מוגזמת. אם יוכלו להגדיל את ההיקף, התקנים דומים עשויים לשבת בין מדפי האחסון והחישוב, לבצע סינון מהיר וחילוץ תכונות מן הנתונים בזמן הזרימה, ולעזור למכונות "חושבות" של העתיד לפעול מהר יותר ובירוק יותר.

ציטוט: 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

מילות מפתח: חישוב אופטי, חומרת AI פוטונית, מיקרוקומב, האצת מרכזי נתונים, רשתות עצביות קונבולוציוניות