Wielowymiarowe i rekonfigurowalne optyczne obliczenia neuromorficzne przy użyciu perowskitowych, w pełni fotonicznych synaps

Światło, które się uczy

Komputery napędzające współczesną sztuczną inteligencję wciąż przenoszą bity danych między oddzielnymi układami pamięci i przetwarzania, tracąc na tym czas i energię. W tym badaniu autorzy proponują radykalnie inne podejście: użycie samego światła do jednoczesnego przenoszenia informacji i przeprowadzania procesów podobnych do uczenia się mózgu. Badacze zbudowali „w pełni fotoniczną synapsę” — niewielki element sterowany światłem, który zapamiętuje wcześniejsze błyski — a następnie pokazali, jak duże zbiory takich elementów potrafią rozpoznawać wzorce i dostosowywać się do zmieniającego się otoczenia bez konieczności przebudowy sprzętu.

Folia, która zmienia się pod wpływem światła i powietrza

W centrum pracy znajduje się cienka warstwa wykonana z materiału perowskitowego wyjątkowo wrażliwego zarówno na światło, jak i na wilgoć powietrza. Gdy pada na nią ultrafiolet, struktura krystaliczna ulega przearanżowaniu i warstwa ściemnia, blokując więcej światła widzialnego; gdy źródło światła zostaje odcięte, materiał pochłania wilgoć z otoczenia i stopniowo wraca do bardziej przezroczystego stanu. Ten cykliczny zwrot jest w pełni odwracalny i bardzo stabilny przez wiele cykli oraz miesiące przechowywania. Ponieważ ilość światła przechodzącego przez film może zmieniać się od prawie przejrzystej do mocno przyciemnionej, materiał oferuje szerokie pole do zakodowania różnych „wag” lub sił połączeń — analogicznie do zmiennych sił połączeń między neuronami w mózgu.

Optyczne synapsy, które zapamiętują

Badacze traktują zmiany przejrzystości filmu jako pamięć optyczną. Kolejne impulsy świetlne mogą tymczasowo wzmocnić odpowiedź filmu, naśladując sposób, w jaki rzeczywiste synapsy chwilowo się wzmacniają, gdy sygnały następują jeden po drugim. Zmieniając liczbę impulsów, ich częstotliwość i amplitudę, zespół może przesuwać urządzenie od krótkotrwałych wspomnień, które szybko zanikają, do długotrwałych, które utrzymują się przez dłuższy czas — co oddaje rozróżnienie mózgu między pamięcią krótkotrwałą a długotrwałą. Otaczająca wilgotność działa jak pokrętło kontroli: suchsze powietrze spowalnia powrót materiału do stanu pierwotnego, wydłużając „pamięć” impulsu świetlnego, podczas gdy bardziej wilgotne warunki przyspieszają zapominanie.

Odczytywanie wielu wskazówek z jednego urządzenia

Ponieważ odpowiedź filmu zależy jednocześnie od kilku czynników — mocy światła, czasu naświetlania i wilgotności — ten sam typ synapsy naturalnie niesie wielowymiarową informację o otoczeniu. Zespół zarejestrował, jak przejrzystość filmu zmieniała się w czasie w różnych warunkach i podawał te przebiegi do rekurencyjnej sieci neuronowej, formy sztucznej inteligencji świetnie rozpoznającej wzorce rozwijające się w czasie. Nawet gdy wszystkie dane pochodziły z jednego rodzaju sygnału optycznego, sieć nauczyła się rozróżniać różne natężenia światła, czasy impulsów i poziomy wilgotności z perfekcyjną dokładnością, wykazując, że te fotoniczne synapsy mogą służyć jako bogate, czułe w czasie sensory i elementy pamięci.

Przeprogramowywanie zadań tylko za pomocą światła

Aby zademonstrować praktyczne zastosowanie obliczeń, autorzy użyli układów złożonych z tych warstw jako regulowanych elementów w difrakcyjnej optycznej sieci neuronowej — konfiguracji, w której obrazy są przetwarzane podczas przechodzenia przez cienkie wzorzyste warstwy zamiast przez obwody elektroniczne. Poprzez naświetlanie perowskitowych synaps różnymi sekwencjami programującego światła mogli ustawić do 80 odrębnych poziomów przejrzystości w każdym punkcie, skutecznie definiując wewnętrzne parametry sieci bez żadnych fizycznych zmian. Z jednym zestawem optycznych „wag” system klasyfikował odręcznie pisane cyfry; z innym rozpoznawał elementy odzieży z oddzielnej bazy danych. Oba zadania obsługiwał ten sam sprzęt, po prostu rekonfigurowany poprzez świetlne aktualizacje synaps.

Co to oznacza dla przyszłych maszyn

Praca pokazuje, że prosty światłoczuły film może zachowywać się jak inteligentne, regulowane połączenie w sieci neuronowej, przechowując informacje w swojej przejrzystości i reagując różnie w zależności od niedawnych sygnałów i otoczenia. Łącząc wiele takich elementów, badacze tworzą optyczne systemy, które potrafią wykrywać, zapamiętywać i adaptować się do nowych zadań z dużą prędkością i niskim zużyciem energii, wszystko to bez konwencjonalnych układów elektronicznych. Mówiąc prościej, to krok w stronę kamer i sensorów, których „oczy” i „mózgi” są wykonane z tego samego materiału opartego na świetle, uczących się bezpośrednio z padającego na nie światła i zmieniających zachowanie jedynie za pomocą nowych wzorców oświetlenia.

Cytowanie: Zi, J., Sun, J., Yang, B. et al. Multidimensional and reconfigurable optical neuromorphic computing using perovskite-based all-photonic synapses. Commun Mater 7, 92 (2026). https://doi.org/10.1038/s43246-026-01097-x

Słowa kluczowe: optyczne obliczenia neuromorficzne, synapsa perowskitowa, pamięć w pełni fotoniczna, rekonfigurowalna fotonika, difrakcyjna sieć neuronowa