Processore di streaming a convoluzione ottica con auto-calibrazione parallela abilitato da microcomb

Perché le macchine che ragionano più velocemente contano

Dallo streaming video all’addestramento di grandi modelli di intelligenza artificiale, i moderni data center sono sommersi dall’informazione. Muovere ed elaborare tutti quei dati con i chip elettronici attuali consuma enormi quantità di energia e si scontra con limiti di velocità. Questo articolo presenta un nuovo tipo di chip di calcolo basato sulla luce che può funzionare come un “front end” rapido e a basso consumo per i sistemi di IA, occupandosi di parte dei calcoli più pesanti prima che i dati raggiungano i processori convenzionali.

Lasciare che sia la luce a fare il lavoro pesante

La maggior parte dei sistemi di IA si basa sulla convoluzione, una sorta di finestra matematica scorrevole che analizza immagini, suoni o altri segnali per individuare caratteristiche come bordi o texture. L’elettronica esegue queste operazioni passo dopo passo, spostando numeri dentro e fuori la memoria. Il chip descritto qui sostituisce quel processo con un meccanismo fisico in cui fasci di luce vengono separati, ritardati, pesati e poi ricombinati. Poiché il calcolo avviene mentre la luce si propaga, si evita gran parte del movimento dei dati che rallenta e riscalda l’hardware elettronico, e può operare a decine di miliardi di operazioni al secondo per ogni flusso di dati.

Molti colori di luce, molti compiti contemporaneamente

Un ingrediente chiave è un dispositivo chiamato microcomb: una sorgente laser a forma di piccolo anello che produce dozzine di colori, o lunghezze d’onda, equamente distanziati. Ogni colore funziona come una corsia indipendente in un’autostrada ottica ad alta velocità. Il processore a convoluzione di streaming ottico del team invia tutti questi colori attraverso lo stesso chip, ma organizza i percorsi in modo che sperimentino lo stesso “kernel di convoluzione” — l’insieme di pesi usati per analizzare i dati. I ritardi temporali tra i percorsi, combinati con le diverse lunghezze d’onda, creano una forma tridimensionale di parallelismo in tempo, spazio e lunghezza d’onda. Negli esperimenti, il sistema ha elaborato dati a 50 gigabaud per colore e ha raggiunto una velocità di calcolo totale di circa 4 trilioni di operazioni al secondo su cinque lunghezze d’onda.

Insegnare a un chip di luce a restare preciso

Usare l’interferenza tra onde luminose per il calcolo è potente ma fragile: variazioni di lunghezza del percorso su scala nanometrica possono rovinare i pesi accuratamente sintonizzati. Per mantenere il chip preciso, i ricercatori hanno integrato un percorso di riferimento speciale e una procedura di auto-calibrazione. Scansionando un laser attraverso le frequenze e misurando solo la potenza in uscita, ricostruiscono sia l’ampiezza sia la fase di ogni percorso all’interno del dispositivo. Un loop di feedback poi regola minuscoli riscaldatori sul chip finché i pesi di convoluzione misurati non corrispondono a quelli desiderati. Questa regolazione automatica non solo corregge imperfezioni di fabbricazione e deriva termica, ma permette anche di riprogrammare lo stesso chip per compiti diversi, come sfocatura o rilevamento di bordi nelle immagini.

Da filtri d’immagine a carichi di lavoro IA reali

Per dimostrare che il processore è utile oltre i semplici demo, gli autori lo hanno combinato con normali strati di reti neurali elettroniche in un sistema ibrido. Il chip ottico ha gestito il primo strato convoluzionale, estraendo caratteristiche di base da immagini a colori trasportate su diversi canali di lunghezza d’onda. I flussi di feature risultanti sono stati convertiti nuovamente in segnali elettronici e alimentati in una rete digitale più profonda. Testato sul dataset di immagini CIFAR-10, che include classi come aeroplani, gatti e camion, il sistema misto ottico‑elettronico ha raggiunto un’accuratezza vicina a quella di un modello completamente digitale pur scaricando una parte significativa del carico computazionale nel dominio fotonico.

Cosa potrebbe significare per i data center del futuro

In termini concreti, questo lavoro mostra che piccoli chip che calcolano con la luce possono collegarsi direttamente ai collegamenti in fibra esistenti nei data center e funzionare come acceleratori condivisi per i carichi di lavoro di IA. Combinando molte lunghezze d’onda, percorsi di ritardo multipli e un metodo di auto-calibrazione integrato, il processore dimostrato ottiene velocità molto elevate e buona accuratezza senza un consumo energetico eccessivo. Se scalati, dispositivi simili potrebbero collocarsi tra gli armadi di storage e compute, eseguendo filtraggi veloci ed estrazione di feature sui dati in transito, aiutando le macchine “pensanti” future a funzionare più velocemente e in modo più sostenibile.

Citazione: 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

Parole chiave: calcolo ottico, hardware fotonico per IA, microcomb, accelerazione nei data center, reti neurali convoluzionali