Procesor strumieniowy do splotów optycznych z auto‑kalibracją oparty na mikrogrzebieniu

Dlaczego szybsze maszyny myślące mają znaczenie

Od transmisji strumieniowej wideo po trenowanie ogromnych modeli AI, współczesne centra danych toną w informacjach. Przesyłanie i przetwarzanie tych danych przy użyciu dzisiejszych układów elektronicznych pochłania ogromne ilości energii i napotyka ograniczenia prędkości. W artykule opisano nowy rodzaj chipu działającego na bazie światła, który może pełnić rolę szybkiego, energooszczędnego „przedniego końca” systemów AI, wykonując część najcięższych obliczeń zanim dane trafią do konwencjonalnych procesorów.

Pozwólmy świetle dźwigać ciężar

Większość systemów AI opiera się na splotach, czyli przesuwającym się oknie matematycznym, które skanuje obrazy, dźwięk lub inne sygnały, wyszukując cechy takie jak krawędzie czy faktury. Elektronika wykonuje te operacje krok po kroku, przemieszczając liczby do i z pamięci. Opisywany tu chip zastępuje to procesem fizycznym, w którym wiązki światła są dzielone, opóźniane, ważone, a następnie ponownie łączone. Ponieważ obliczenia zachodzą w trakcie przemieszczania się światła, omija to dużą część transferu danych, który spowalnia i nagrzewa sprzęt elektroniczny, i może pracować z szybkościami rzędu dziesiątek miliardów operacji na sekundę dla każdego strumienia danych.

Wiele barw światła, wiele zadań jednocześnie

Kluczowym elementem jest urządzenie zwane mikrogrzebieniem: maleńkie pierścieniowe źródło laserowe, które jednocześnie generuje kilkadziesiąt równomiernie rozmieszczonych kolorów, czyli długości fal światła. Każdy kolor działa jak niezależny pas na szybkiej optycznej autostradzie. Optyczny procesor strumieniowy zespołu wysyła wszystkie te kolory przez ten sam chip, ale organizuje ścieżki tak, by doświadczyły tego samego „jądra splotu” — zestawu wag używanych do analizy danych. Opóźnienia czasowe między ścieżkami, w połączeniu z różnymi kolorami, tworzą trójwymiarową formę równoległości w czasie, przestrzeni i długości fali. W eksperymentach system przetwarzał dane z prędkością 50 gigabaudów na kolor i osiągnął łączną szybkość obliczeniową około 4 bilionów operacji na sekundę na pięciu długościach fali.

Nauczanie chipu świetlnego utrzymania precyzji

Wykorzystywanie interferencji fal świetlnych do obliczeń jest potężne, ale kruche: zmiany długości drogi o skali nanometrów mogą zrujnować starannie dobrane wagi. Aby utrzymać dokładność chipu, badacze wbudowali specjalną ścieżkę referencyjną i procedurę auto‑kalibracji. Przesuwając laser po częstotliwościach i mierząc jedynie moc wyjściową, rekonstruują zarówno amplitudę, jak i fazę każdej ścieżki wewnątrz urządzenia. Pętla sprzężenia zwrotnego następnie reguluje maleńkie grzałki na chipie, aż zmierzone wagi splotu odpowiadają pożądanym. Ta automatyczna regulacja nie tylko koryguje niedoskonałości produkcyjne i dryf temperaturowy, lecz także pozwala na ponowne zaprogramowanie tego samego chipa do różnych zadań, takich jak rozmywanie czy wykrywanie krawędzi w obrazach.

Od filtrów obrazów do rzeczywistych obciążeń AI

Aby wykazać użyteczność procesora poza prostymi demonstracjami, autorzy połączyli go ze standardowymi warstwami sieci neuronowych w hybrydowym systemie. Optyczny chip obsługiwał pierwszą warstwę splotową, wydobywając podstawowe cechy z kolorowych obrazów przesyłanych na kilku kanałach długości fali. Powstałe strumienie cech zostały przekształcone z powrotem na elektronikę i wprowadzone do głębszej, cyfrowej sieci. Testowany na zbiorze obrazów CIFAR‑10, obejmującym klasy takie jak samoloty, koty czy ciężarówki, system hybrydowy zbliżył się dokładnością do w pełni cyfrowego modelu, przenosząc część ciężkich obliczeń do domeny fotonicznej.

Co to może oznaczać dla przyszłych centrów danych

Mówiąc wprost, praca ta pokazuje, że małe chipy obliczające za pomocą światła mogą być bezpośrednio podłączane do istniejących łączy światłowodowych w centrach danych i funkcjonować jako współdzielone akceleratory dla zadań AI. Łącząc wiele kolorów światła, wielokrotne ścieżki opóźniające oraz wbudowaną metodę auto‑kalibracji, zaprezentowany procesor osiąga bardzo wysokie prędkości i dobrą dokładność przy umiarkowanym zużyciu energii. Jeśli zostanie skalowany, podobne urządzenia mogłyby stać między szafami przechowywania a obliczeń, wykonując szybkie filtrowanie i ekstrakcję cech z danych w przepływie, pomagając przyszłym „myślącym” maszynom działać szybciej i bardziej energooszczędnie.

Cytowanie: 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

Słowa kluczowe: obliczenia optyczne, fotoniczny sprzęt AI, mikrogrzebień, przyspieszanie w centrach danych, splotowe sieci neuronowe