Microcomb destekli paralel kendi kendini kalibre eden optik konvolüsyon akış işlemcisi

Daha hızlı düşünen makinelerin önemi

Akış halinde video yayınından devasa AI modellerinin eğitilmesine kadar modern veri merkezleri bilgi yığını içinde boğuluyor. Bu verilerin tamamını taşımak ve günümüzün elektronik çipleriyle işlemek büyük miktarda enerji yakıyor ve hız sınırlarına çarpıyor. Bu makale, AI sistemleri için veriler geleneksel işlemcilere ulaşmadan önce en ağır matematiğin bir kısmını üstlenen hızlı, düşük güçlü bir “ön uç” görevi görebilecek yeni bir ışık tabanlı hesaplama çipini tanıtıyor.

İşi ışığa bırakmak

Çoğu AI sistemi, görüntüleri, sesleri veya diğer sinyalleri tarayarak kenarlar ya da dokular gibi özellikleri çıkaran kayan bir matematiksel pencere türü olan konvolüsyona dayanır. Elektronikler bu işlemleri adım adım gerçekleştirir ve sayıları belleğe alıp çıkarır. Burada tanımlanan çip, ışık demetlerinin bölünüp geciktirildiği, ağırlıklandırıldığı ve sonra yeniden birleştirildiği fiziksel bir süreçle bunu değiştiriyor. Hesaplama ışık yolculuğu sırasında gerçekleştiği için elektronik donanımı yavaşlatan ve ısıtan veri hareketinin çoğundan kaçınıyor ve her veri akışı için on binlerce milyar işlemi saniyede çalıştırabilecek hızlarda işleyebiliyor.

Birçok renk ışık, birçok görev aynı anda

Anahtar bileşenlerden biri microcomb adı verilen bir aygıt: aynı anda düzinelerce eşit aralıklı renk veya dalga boyu üreten küçük halka biçimli bir lazer kaynağı. Her bir renk, yüksek hızlı optik otoyolda bağımsız bir şerit gibi davranır. Araştırma ekibinin optik konvolüsyon akış işlemcisi tüm bu renkleri aynı çipten geçiriyor, fakat yolları öyle düzenliyor ki hepsi aynı “konvolüsyon çekirdeği”ni—verileri analiz etmek için kullanılan ağırlık setini—yaşasın. Yollar arasındaki zaman gecikmeleri ile farklı renklerin birleşimi, zamanı, mekânı ve dalga boyunu kapsayan üç boyutlu bir paralellik biçimi yaratıyor. Deneylerde sistem, renk başına 50 gigabaud hızında veri işledi ve beş dalga boyu boyunca toplamda yaklaşık 4 trilyon işlem/saniye hesaplama hızına ulaştı.

Bir ışık çipini doğru tutmayı öğretmek

Hesaplama için ışık dalgaları arasındaki girişimi kullanmak güçlü ama kırılgan: yol uzunluğundaki nanometre düzeyindeki değişimler özenle ayarlanmış ağırlıkları bozabilir. Çipi doğru tutmak için araştırmacılar özel bir referans yolu ve kendi kendini kalibre eden bir prosedür yerleştirdi. Bir lazeri frekanslar boyunca tarayıp yalnızca çıkış gücünü ölçerek, cihaz içindeki her yolun hem büyüklüğünü hem de fazını yeniden oluşturuyorlar. Ardından geri besleme döngüsü çipteki küçük ısıtıcıları ayarlayarak ölçülen konvolüsyon ağırlıklarının istenenlerle eşleşmesini sağlıyor. Bu otomatik ayar sadece üretim kusurlarını ve sıcaklık kaymasını düzeltmekle kalmıyor; aynı çipin bulanıklaştırma veya görüntülerde kenar tespiti gibi farklı görevler için yeniden programlanmasına da izin veriyor.

Görüntü filtrelerinden gerçek AI iş yüklerine

İşlemcinin basit gösterilerin ötesinde kullanışlı olduğunu göstermek için yazarlar onu standart elektronik sinir ağı katmanlarıyla hibrit bir sistemde birleştirdiler. Optik çip ilk konvolüsyon katmanını üstlendi ve birkaç dalga boyu kanalında taşınan renkli görüntülerden temel özellikleri çıkardı. Ortaya çıkan özellik akışları elektroniğe dönüştürülüp daha derin bir dijital ağa beslendi. Uçaklar, kediler ve kamyonlar gibi sınıfları içeren CIFAR‑10 görüntü veri kümesi üzerinde test edildiğinde, optik‑elektronik melez sistem, ağır hesaplamanın bir kısmını fotonik alana aktarırken tamamen dijital bir modele yaklaşan doğruluk gösterdi.

Gelecek veri merkezleri için olası etkiler

Düz bir ifadeyle bu çalışma, ışıkla hesaplama yapan küçük çiplerin veri merkezlerindeki mevcut fiber optik bağlantılara doğrudan takılabileceğini ve AI iş yükleri için paylaşılan hızlandırıcılar olarak görev yapabileceğini gösteriyor. Birçok ışık rengini, birden fazla gecikme yolunu ve yerleşik bir kendi kendini kalibrasyon yöntemini birleştirerek, gösterilen işlemci çok yüksek hızlar ve iyi doğruluk elde ediyor hem de aşırı enerji tüketimi olmadan. Ölçeklendirilirse benzer cihazlar depolama ve hesap rafları arasında oturup veriler akarken hızlı filtreleme ve özellik çıkarımı gerçekleştirerek geleceğin “düşünen” makinelerinin daha hızlı ve daha yeşil çalışmasına yardımcı olabilir.

Atıf: 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

Anahtar kelimeler: optik hesaplama, fotoniğe dayalı AI donanımı, microcomb, veri merkezi hızlandırması, konvolüsyonel sinir ağları