Оптический потоковый процессор сверток с параллельной самокалибровкой на основе микрокомба

Почему важны более быстрые «мыслящие» машины

От потокового видео до обучения огромных моделей ИИ современные дата‑центры тонут в информации. Передача и обработка всех этих данных на современных электронных чипах потребляет огромные объёмы энергии и сталкивается с пределами скорости. В этой статье описывается новый тип оптического вычислительного чипа, который может выступать в роли быстрого, энергоэффективного «переднего конца» для ИИ‑систем, выполняя часть самых тяжёлых вычислений до того, как данные попадут на обычные процессоры.

Пусть свет выполняет тяжёлую работу

Большинство ИИ‑систем опираются на свёртку — вид скользящего математического окна, которое просматривает изображения, звук или другие сигналы, чтобы выделить признаки, такие как грани или текстуры. Электроника выполняет эти операции последовательно, перетаскивая числа в память и обратно. Описанный здесь чип заменяет это физическим процессом, в котором световые лучи разделяются, задерживаются, взвешиваются и затем снова объединяются. Поскольку вычисление происходит в ходе распространения света, устраняется большая часть передачи данных, которая замедляет и нагревает электронное оборудование, и оно может работать на десятках миллиардов операций в секунду для каждого потока данных.

Много цветов света — много задач одновременно

Ключевой компонент — устройство под названием микрокомб: крошечный кольцевой лазерный источник, который одновременно генерирует десятки равномерно расположенных цветов или длин волн света. Каждая длина волны действует как отдельная полоса на высокоскоростной оптической магистрали. Оптический потоковый процессор свёрток пропускает все эти цвета через один и тот же чип, но организует пути так, чтобы они испытывали одну и ту же «ядровую» свёртку — набор весов для анализа данных. Временные задержки между путями в сочетании с различными длинами волн создают трёхмерную форму параллелизма во времени, пространстве и по длине волны. В экспериментах система обрабатывала данные на скорости 50 гигабауд на цвет и достигала суммарной вычислительной скорости примерно 4 триллиона операций в секунду по пяти длинам волн.

Как научить оптический чип сохранять точность

Использование интерференции световых волн для вычислений мощно, но хрупко: изменения пути на нанометровом уровне могут нарушить тщательно настроенные веса. Чтобы поддерживать точность чипа, исследователи встроили специальный опорный путь и процедуру самокалибровки. Сканируя лазер по частоте и измеряя только выходную мощность, они восстанавливают как амплитуду, так и фазу каждого пути внутри устройства. Контур обратной связи затем регулирует крошечные нагреватели на чипе до тех пор, пока измеренные веса свёртки не совпадут с требуемыми. Эта автоматическая настройка не только исправляет дефекты производства и температурные дрейфы, но и позволяет перепрограммировать тот же чип для разных задач, например для размытия или выделения краёв на изображениях.

От фильтров изображений к реальным ИИ‑нагрузкам

Чтобы продемонстрировать применимость процессора за пределами простых демонстраций, авторы объединили его со стандартными электронными слоями нейронных сетей в гибридной системе. Оптический чип обрабатывал первый свёрточный слой, извлекая базовые признаки из цветных изображений, перенесённых по нескольким каналам длины волны. Полученные потоки признаков преобразовывались обратно в электронную форму и подавались в более глубокую цифровую сеть. При тестировании на наборе изображений CIFAR‑10, содержащем классы вроде самолётов, кошек и грузовиков, смешанная оптико‑электронная система приблизилась по точности к полностью цифровой модели, при этом часть тяжёлых вычислений была выведена в фотонную область.

Что это может значить для будущих дата‑центров

Проще говоря, эта работа показывает, что крошечные чипы, вычисляющие с помощью света, могут напрямую подключаться к существующим оптическим магистралям в дата‑центрах и выступать в роли общих ускорителей для ИИ‑нагрузок. Комбинируя множество цветов света, несколько задерживающих путей и встроенный метод самокалибровки, продемонстрированный процессор достигает очень высоких скоростей и хорошей точности без чрезмерного энергопотребления. При масштабировании подобные устройства могли бы размещаться между хранилищами и вычислительными стойками, выполняя быструю фильтрацию и извлечение признаков из данных в потоке, помогая будущим «мыслящим» машинам работать быстрее и экологичнее.

Цитирование: 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

Ключевые слова: оптические вычисления, фотонное ИИ‑аппаратное обеспечение, микрокомб, ускорение для дата‑центров, сверточные нейронные сети