Microcomb-gestuurde parallelle zelfkalibrerende optische convolutiestreamingprocessor

Waarom snellere denkende machines ertoe doen

Van streamingvideo tot het trainen van immense AI‑modellen: moderne datacenters verdrinken in informatie. Het verplaatsen en verwerken van al die gegevens met huidige elektronische chips verbruikt enorme hoeveelheden energie en stuit op snelheidslimieten. Dit artikel introduceert een nieuw type lichtgebaseerde rekenchip die kan fungeren als een snelle, energiezuinige "voorkant" voor AI‑systemen en sommige van de zwaarste berekeningen afhandelt voordat de data conventionele processoren bereikt.

Laat licht het zware werk doen

De meeste AI‑systemen vertrouwen op convolutie, een soort verschuivend wiskundig venster dat afbeeldingen, geluid of andere signalen scant om kenmerken zoals randen of textuur te herkennen. Elektronica voert deze bewerkingen stap voor stap uit en verplaatst daarbij constant getallen van en naar geheugen. De hier beschreven chip vervangt dat door een fysiek proces waarbij lichtbundels worden gesplitst, vertraagd, gewogen en vervolgens weer gecombineerd. Omdat de berekening plaatsvindt terwijl het licht zich voortplant, wordt veel van de databeweging vermeden die elektronische hardware vertraagt en doet opwarmen, en het kan per datastroom op snelheden van tientallen miljarden bewerkingen per seconde draaien.

Vele kleuren licht, vele taken tegelijk

Een belangrijk ingrediënt is een apparaat dat microcomb heet: een klein ringvormig laserbron dat tientallen gelijkmatig verdeelde kleuren, of golflengten, licht tegelijk produceert. Elke kleur fungeert als een onafhankelijke rijstrook op een hogesnelheids‑optische snelweg. De optische convolution streamingprocessor van het team stuurt al deze kleuren door dezelfde chip, maar organiseert de paden zodanig dat ze dezelfde "convolutiekernel" ondergaan — de set gewichten die gebruikt wordt om de data te analyseren. Tijdsvertragingen tussen paden, gecombineerd met de verschillende kleuren, creëren een driedimensionale vorm van parallelisme in tijd, ruimte en golflengte. In experimenten verwerkte het systeem data met 50 gigabaud per kleur en bereikte een totale rekensnelheid van ongeveer 4 biljoen bewerkingen per seconde over vijf golflengten.

Een lichtchip leren nauwkeurig te blijven

Rekenen met interferentie tussen lichtgolven is krachtig maar kwetsbaar: veranderingen op nanometer­schaal in padlengte kunnen de zorgvuldig afgestelde gewichten verstoren. Om de chip nauwkeurig te houden, bouwden de onderzoekers een speciaal referentiepad en een zelfkalibratieprocedure in. Door een laser over frequenties te laten scannen en alleen het uitgangsvermogen te meten, reconstrueren ze zowel de sterkte als de fase van elk pad binnen het apparaat. Een terugkoppelingslus past vervolgens kleine verwarmers op de chip aan totdat de gemeten convolutiewaarden overeenkomen met de gewenste waarden. Deze automatische afstemming corrigeert niet alleen voor fabricageonvolkomenheden en temperatuurschommelingen, maar maakt het dezelfde chip ook mogelijk om te worden hergeprogrammeerd voor verschillende taken, zoals het vervagen of detecteren van randen in afbeeldingen.

Van afbeeldingsfilters naar echte AI‑werklasten

Om te laten zien dat de processor nuttig is buiten eenvoudige demonstraties, combineerden de auteurs hem met standaard elektronische neurale‑netwerklagen in een hybride systeem. De optische chip behandelde de eerste convolutionele laag en EXTRAHEERDE basale kenmerken uit kleurenafbeeldingen die via meerdere golflengtekanalen werden doorgegeven. De resulterende kenmerkenstromen werden terug omgezet naar elektronica en gevoed in een dieper digitaal netwerk. Getest op de CIFAR‑10 afbeeldingsdataset, met klassen zoals vliegtuigen, katten en vrachtwagens, naderde het gemengde optisch‑elektronische systeem de nauwkeurigheid van een volledig digitaal model, terwijl een deel van de zware berekening naar het fotonische domein werd verplaatst.

Wat dit kan betekenen voor toekomstige datacenters

In eenvoudige bewoordingen laat dit werk zien dat kleine chips die rekenen met licht rechtstreeks kunnen worden aangesloten op bestaande glasvezellinks in datacenters en kunnen functioneren als gedeelde versnelleraars voor AI‑werklasten. Door veel kleuren licht, meerdere vertragingpaden en een ingebouwde zelfkalibratiemethode te combineren, behaalt de gedemonstreerde processor zeer hoge snelheden en goede nauwkeurigheid zonder buitensporig energieverbruik. Als deze technologie opgeschaald wordt, zouden soortgelijke apparaten tussen opslag‑ en compute‑racks kunnen worden geplaatst om snelle filtering en kenmerkextractie op data uit te voeren terwijl deze stromen, wat toekomstige "denkende" machines kan helpen sneller en energiezuiniger te werken.

Bronvermelding: 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

Trefwoorden: optisch rekenen, fotonic AI-hardware, microcomb, datacenterversnelling, convolutionele neurale netwerken