מנוע עיבוד טנסורי תלת‑ממדי פוטוני משולב

מדוע מכונות שחושבות מהר יותר חשובות

מרכבים אוטונומיים ועד סורקי רפואה ומציאות מדומה, העולם שלנו תלוי יותר ויותר במחשבים שיכולים להבין נתונים תלת‑ממדיים מורכבים בזמן אמת. מערכות הבינה המלאכותית של היום חזקות, אך השבבים האלקטרוניים שמפעילים אותן נלחצים תחת הביקוש לרשתות עצביות גדולות ומהירות יותר. מאמר זה מציג שיטה חדשה לטיפול בנתוני 3D באמצעות אור במקום חשמל, מה שמבטיח מכונות "חושבות" מהירות ויעילות יותר שיכולות בסופו של דבר להפוך רכבים לבטוחים יותר, לקצר אבחונים ולשפר חוויות מקוונות.

מתמונות שטוחות לעולמות תלת‑ממדיים

רבות ממערכות ה‑AI המוכרות עובדות על תמונות שטוחות—גרידים דו‑ממדיים של פיקסלים—באמצעות רשתות עצביות קונבולוציוניות. אך חיישנים מודרניים, כמו סורקי רפואה ו‑LiDAR לנהיגה אוטונומית, לוכדים סצנות תלת‑ממדיות מלאות לאורך זמן. מערכי נתונים עשירים אלה מתוארים בהתאם כ"טנסורים", או מערכים רב‑ממדיים. עיבוד שלהם עם רשתות תלת‑ממדיות חזק מאוד אך גם דורש משאבים עצומים: כמות החישוב והזיכרון הנדרשת גדלה במהירות עם כל מימד נוסף. מאיצים אלקטרוניים קונבנציונליים כמו GPU ו‑TPU בנויים בעיקר לטפל באופרטציות מטריצה דו‑ממדיות, ולכן הם חייבים כל הזמן לשנות את צורת הנתונים ולשנע טנסורים תלת‑ממדיים, מה שמבזבז זמן, אנרגיה וזיכרון.

לתת לאור לבצע את העומס הכבד

החוקרים מציגים מנוע עיבוד טנסורי תלת‑ממדי פוטוני משולב שמבצע שלב מרכזי ברשתות תלת‑ממדיות ישירות באמצעות אור. במקום להזיז נתונים שוב ושוב בין זיכרון למעבדים אלקטרוניים, המערכת שלהם שולחת מידע כסיגנלים אופטיים הנעים דרך גידורי גל ומרעידים זעירים על שבב. שלושה "צירים" שונים משמשים לקידוד ולעיבוד הנתונים בו‑זמנית: הצבע (אורך גל) של האור, הזמן שבו פולסים עוברים, והמסלולים הפיזיים שהם נעים על השבב. על ידי שזור בין שלושת הממדים האלה, המערכת יכולה לטפל באופרציות קונבולוציה תלת‑ממדיות מלאות בלי לפרקן למשימות קטנות רבות או להסתמך על חומרה אלקטרונית מכבידה.

זיכרון אופטי מובנה וסינכרון

אתגר מרכזי בחישוב מהיר הוא לשמור על יישור מדויק בזמן של ערוצי נתונים רבים. מערכות מסורתיות משתמשות במעגלי שעון אלקטרוניים מורכבים ובמאגרי זיכרון גדולים כדי להשיג זאת. כאן, הצוות פותר את הבעיה במלואה בתחום האופטי. הם מוסיפים שתי יחידות זיכרון אופטיות, העשויות קווי השהייה ניתנים לכוונון, לפני ואחרי בלוק החישוב הראשי. קווי ההשהייה האלה פועלים כחדרי המתנה מתכווננים לפולסי אור, ומאפשרים למערכת "למטמון" נתונים ולסנכרן ערוצים על‑ידי שינוי משך הזמן שכל פולס מטייל על השבב. ההשהיות ניתנות לכוונון עדין ברזולוציית פיקו‑שניות (טריליוןית השנייה) ותומכות בקצבי שעון אפקטיביים עד סדר גודל של כ‑200 מיליארד פעולות לשנייה, וכל זאת ללא הצורך בחומרת תזמון אלקטרונית נוספת.

מעגלי אור חכמים למתמטיקה כבדה

בלב בלוק החישוב נמצא רשת של מרעידים אופטיים זעירים בצורת טבעת השולטים בעוצמת התרומה של כל ערוץ אור לתוצאה הסופית—אנלוגי למשקלים הניתנים לכוונון ברשת עצבית. המחברים משתמשים בעיצוב טבעת כפול מיוחד בפלטפורמה פוטונית רב‑שכבתית שהופך אלמנטים אלה לפחות רגישים לשינויים בטמפרטורה ולפגמים בייצור, ובו‑זמנית מציע תגובת ספקטרום רחבה ושטוחה. משמעות הדבר היא שהטבעות יכולות לטפל בסיגנלים במהירויות גבוהות עם פחות עיוות ולשמור על כוונון משקל מדויק—יותר מ‑7 ביט דיוק אפקטיבי—באמצעות כיול פשוט. במבחנים השבב ביצע בהצלחה מכפלות מטריצה בארבעה ערוצים בקצבי סימבול עד 30 גיגהבוד, מה שהדגים הן מהירות והן דיוק.

בדיקה מעשית עם חישה לייזר תלת‑ממדית

כדי להראות שהמנוע שלהם שימושי מעבר למדדי מעבדה, הצוות יישם אותו לבעיית זיהוי תלת‑ממד מעשית: הבחנה בין הולכי רגל לרכבים בענני נקודות LiDAR. הם השתמשו ברשת תלת‑ממד קומפקטית דומה למודלים ידועים בזמן אמת, אימנו את הפרמטרים דיגיטלית, ולאחר מכן העבירו את שלב הקונבולוציה התלת‑ממדי הקריטי למנוע הפוטוני. בפעולה בקצב סימבול של 20 גיגהבוד, המערכת האופטית ייצרה מפות תכונות שהשתוו בתכלית לחישובים דיגיטליים והשיגה דיוק סיווג של כ‑97 אחוז—בעצם זהה למחשב מסורתי, אך עם המתמטיקה התלת‑ממדית הכבדה שמתבצעת באמצעות אור.

מתי זה ישפיע על הטכנולוגיה היומיומית

במילים פשוטות, עבודה זו מראה שניתן לבנות "מנוע חישוב" אופטי קומפקטי המתמודד ישירות עם החלק הקשה במשימות AI תלת‑ממדיות, תוך שימוש בפחות זיכרון, פחות רכיבים אלקטרוניים, ובאפשרות הרבה פחות אנרגיה מאשר בעיצובים הנוכחיים. על ידי שמירת מטמון הנתונים, יישור הזמנים והחישוב כולו בתחום האופטי, הגישה מפחיתה מורכבות ופותחת דרכים למהירויות גבוהות יותר ולמקביליות רבה יותר. ככל שהאינטגרציה הפוטונית תשתפר ומקורות אור ומגברים על‑שבב יתפתחו, מנועי טנסורים תלת‑ממדיים כאלה עשויים להפוך לבונים מרכזיים במכשירים עתידיים לנהיגה אוטונומית, הדמיה רפואית, ניתוח וידאו וסביבות וירטואליות משוכללות—שימוש שקט בקרני אור שיעזור למכונות לראות ולהבין את עולמנו התלת‑ממדי בזמן אמת.

ציטוט: Wu, Y., Ni, Z., Li, X. et al. Integrated photonic 3D tensor processing engine. Light Sci Appl 15, 154 (2026). https://doi.org/10.1038/s41377-026-02183-y

מילות מפתח: חישוב פוטוני, רשתות עצביות תלת‑ממדיות, מאיצים אופטיים, זיהוי LiDAR, עיבוד טנסורים