LightIN: ett mångsidigt kiselintegrerat fotoniskt fältprogrammerbart grindfält med ett intelligent konfigurationsramverk för nästa generations AI-kluster

Varför ljusdrevna chip spelar roll för framtidens AI

När artificiella intelligenssystem växer till skalor som täcker hela datacenter stöter den elektroniska hårdvara som driver dem på fundamentala gränser i hastighet, energianvändning och kommunikationsbandbredd. Denna artikel presenterar LightIN, en ny typ av ljusbasserat, omprogrammerbart chip som ansluts till AI-center på ungefär samma sätt som dagens elektroniska acceleratorer, men som använder fotoner istället för elektroner för att föra och bearbeta information. Genom detta syftar det till att påskynda centrala AI-uppgifter, spara energi och även hantera säker kommunikation — allt på samma lilla kiselyta.

En liten stad av styrt ljus

I hjärtat av LightIN ligger ett kiselchip utformat som ett tvådimensionellt stadsnät av optiska vågledare och förgreningar. Dessa förgreningar fungerar som styrbara ”trafikljus” för ljus, byggda med standardteknik inom kiselfotonik som redan är kompatibel med dagens chipfabriker. Nätet innehåller 40 programmerbara celler och mer än 160 individuella optiska komponenter, alla kopplade till ett externt styrkort. Istället för att vara låsta till ett enda ändamål kan detta nät omprogrammeras så att ljus som går in i chippet följer olika banor och kombinationer, vilket möjliggör ett brett spektrum av funktioner — från matematiska operationer som används i neurala nätverk till dirigering av dataströmmar och generering av unika digitala fingeravtryck.

Ett intelligent uppställningssystem bakom kulisserna

Att omkonfigurera ett så tätt nätverk av ljusvägar är inte trivialt; små variationer i tillverkning och temperatur kan lätt rubba prestandan. För att hantera detta har författarna utformat ett intelligent mjukvaroramverk kallat testning, kompilering och justering (TCA). Först mäter testfasen noggrant hur varje liten optisk komponent reagerar på styrspänningar och bygger upp en detaljerad uppslags-tabell. Därefter väljer kompilationsfasen en lämplig layout i nätet för en önskad funktion och översätter den till fassättningar och spänningar. Slutligen jämför justeringsfasen chippets verkliga optiska utsignaler med numeriska prediktioner och finjusterar spänningarna tills de matchar. Tillsammans låter detta ramverk den fysiska hårdvaran bete sig som en flexibel ”optisk fältprogrammerbar grindmatris” som kan riktas om för mycket olika uppgifter.

Ljushastig matematik och lärande

Med LightIN visar teamet snabba linjära algebraoperationer, en grundläggande ingrediens i modern AI. De realiserar både förlustfria-liknande transformationer (unitära matriser) och mer generella (icke-unitära matriser) i ett kompakt utförande. I tester utför chippet matris-multiplikationer med effektiva upplösningar på cirka 5–6 bitar och når en beräkningshastighet kring 1,92 biljoner operationer per sekund medan det endast förbrukar några få pikojoule per multiplicera-och-ackumulera. De kartlägger dessutom ett enkelt neuralt nät för klassificering av blomdata på chippet och uppnår en noggrannhet som ligger nära en elektronisk motsvarighet, med en total bearbetningsfördröjning under 260 pikosekunder — mindre tid än det tar ljus att färdas några centimeter i fiber.

Hålla optiska länkar i stämning och data på rätt spår

Bortom beräkning kan LightIN omprogrammeras som ett verktyg för att upprätthålla rena, högpresterande optiska kommunikationslänkar inne i AI-center. Många av dessa länkar använder mikroringmodulatorer, små optiska resonatorer som påför data på ljus men som driftsätter sig med temperatur och därigenom försämrar signalen. Författarna konfigurerar chippet som en ljusbasserad ”differentierare” som jämför lätt fördröjda versioner av signalen för att känna av när mikroringen är optimalt inställd. En styrslinga justerar sedan automatiskt en liten värmare på mikroringen för att hålla den låst, vilket bevarar god signal kvalitet över datahastigheter från 5 till 32 gigabit per sekund, även vid temperaturförändringar. I ett annat läge fungerar samma omkonfigurerbara nät som en 4×4 optisk switch, som styr ljus från vilken ingång som helst till vilken utgång som helst med låg förlust och låg korskoppling över ett brett våglängdsområde — användbart för flexibla, högbandbreddsoptiska nätverk mellan servrar.

Inbyggda optiska fingeravtryck för säkerhet

LightIN kan också förvandlas till ett hårdvaruelement för säkerhet. Genom att mata in ljus i två motsatta hörn och programmera vissa förgreningar producerar chippet utsignalmönster som är mycket känsliga för små, okontrollerbara tillverkningsvariationer och miljöstörningar. Dessa mönster fungerar som fysiskt oklonbara funktioner: varje chip svarar på ett unikt och svårt att kopiera sätt på en given utmaning. Författarna visar att deras optiska variant ger svar som skiljer sig mycket mellan chip, är statistiskt välbalanserade mellan nollor och ettor, och är repeterbara under stabila förhållanden — egenskaper som krävs för att generera säkra nycklar och autentisera enheter i stora AI-installationer.

Vad detta betyder för morgondagens AI-center

Arbetet visar att ett enda, programmerbart fotoniskt chip kan accelerera AI-beräkningar, stabilisera högpresterande optiska länkar, dirigerar data och tillhandahålla hårdvarunivåsäkerhet — allt med samma omkonfigurerbara ljusledande tyg. Medan den nuvarande prototypen är blygsam i storlek skisserar författarna tydliga vägar för att skala upp nätet, minska energianvändningen och integrera styrelektronik mer tätt. För icke-specialister är huvudbudskapet att ljusbasserade, omprogrammerbara chip som LightIN skulle kunna bli centrala byggstenar i framtida AI-kluster, hjälpa dem att beräkna snabbare, kommunicera mer effektivt och hålla data säkra — samtidigt som de lindrar den växande belastningen på kraft- och kylsystem.

Citering: Zhu, Y., Liu, Y., Yang, X. et al. LightIN: a versatile silicon-integrated photonic field programmable gate array with an intelligent configuration framework for next-generation AI clusters. Light Sci Appl 15, 165 (2026). https://doi.org/10.1038/s41377-026-02209-5

Nyckelord: kiselfotonik, AI-hårdvara, fotonisk beräkning, optiska förbindelser, hårdvarusäkerhet