Entegre fotonik 3B tensör işleme motoru

Neden Daha Hızlı Düşünen Makineler Önemli

Otonom araçlardan tıbbi tarayıcılara ve sanal gerçekliğe kadar, dünyamız giderek karmaşık, üç boyutlu verileri gerçek zamanlı anlayabilen bilgisayarlara dayanıyor. Bugünün yapay zeka sistemleri güçlü olsa da, bunları harekete geçiren elektronik çipler, her seferinde daha büyük ve daha hızlı sinir ağlarına olan talebin yükü altında zorluk yaşıyor. Bu makale, 3B verileri elektriğin yerine ışıkla işleyerek ele almanın yeni bir yolunu sunuyor; sonuç olarak daha hızlı, daha verimli “düşünen” makineler vaat ederek sonunda araçları daha güvenli, teşhisleri daha hızlı ve çevrimiçi deneyimleri daha etkileyici hale getirebilir.

Düz Resimlerden 3B Dünyalara

Birçok tanıdık yapay zeka sistemi düz görüntüler—iki boyutlu piksel ızgaraları—üzerinde çalışan konvolüsyonel sinir ağlarıyla çalışır. Ancak modern sensörler, örneğin tıbbi tarayıcılar ve otonom araçlardaki lazer tabanlı LiDAR, zaman içinde tam 3B sahneleri yakalar. Bu daha zengin veri kümeleri doğal olarak “tensörler” yani çok boyutlu diziler olarak tanımlanır. Onları 3B sinir ağlarıyla işlemek son derece güçlüdür ama aynı zamanda son derece talepkârdır: gereken hesaplama ve bellek miktarı her eklenen boyutla hızla artar. GPU ve TPU gibi geleneksel elektronik hızlandırıcılar çoğunlukla düz, iki boyutlu matris işlemlerini ele almak üzere tasarlandığından 3B verileri sürekli yeniden şekillendirip taşımak zorunda kalır; bu da zaman, enerji ve bellek israfına yol açar.

Yükü Işığa Bırakmak

Araştırmacılar, 3B sinir ağlarının kilit bir adımını doğrudan ışıkla gerçekleştiren entegre bir fotonik 3B tensör işleme motoru tanıtıyorlar. Veriyi bellekle elektronik işlemciler arasında tekrar tekrar taşımak yerine sistem, çip üzerindeki küçük dalga kılavuzları ve rezonatörler boyunca hareket eden optik sinyaller olarak bilgiyi iletir. Veriyi aynı anda kodlamak ve işlemek için üç farklı “eksen” kullanılır: ışığın rengi (dalga boyu), darbelerin geçtiği zaman ve çip üzerindeki fiziksel yollar. Bu üç boyutu iç içe geçirerek sistem, 3B konvolüsyon işlemlerini birçok küçük göreve bölmeden veya hantal elektronik kontrol donanımına dayanmak zorunda kalmadan gerçekleştirebilir.

Yerleşik Optik Bellek ve Senkronizasyon

Yüksek hızlı hesaplamada merkezi bir zorluk, birçok veri kanalını zaman açısından hassas şekilde hizalamaktır. Geleneksel sistemler bunu karmaşık elektronik saat devreleri ve büyük bellek tamponları kullanarak yapar. Burada ekip, problemi tamamen optik alanda çözüyor. Ana hesaplama bloğunun öncesine ve sonrasına ayarlanabilir gecikme hatlarından yapılmış iki optik bellek ünitesi ekliyorlar. Bu gecikme hatları, darbeler için ayarlanabilir bekleme odaları gibi davranarak sistemin veriyi “önbelleğe almasına” ve kanalları, her bir darbenin çipte ne kadar süre yol aldığı değiştirilerek senkronize etmesine izin veriyor. Gecikmeler trilyonda bir saniye (pikosaniye) hassasiyetle ince ayarlanabiliyor ve ekstra elektronik zamanlama donanımına gerek kalmadan saatte yaklaşık 200 milyar işlemi destekleyen etkili saat hızlarını mümkün kılıyor.

Ağır Matematik İçin Daha Akıllı Işık Devreleri

Hesaplama bloğunun kalbinde, her ışık kanalının nihai sonuca ne kadar katkıda bulunduğunu kontrol eden halka şeklinde küçük optik rezonatörlerin bir ızgarası bulunuyor—bu, sinir ağlarındaki ayarlanabilir ağırlıklara benziyor. Yazarlar, bu elemanları sıcaklık değişimlerine ve üretim kusurlarına karşı daha az hassas hale getiren ve geniş, düz bir optik yanıt sunan çok katmanlı bir fotonik platformda özel bir çift halka tasarımı kullanıyorlar. Bu, halkaların yüksek hızda sinyallerle daha az bozulma ile başa çıkmasını ve basit kalibrasyonla - etkili olarak 7 bitten fazla - hassas ağırlık ayarlarını korumasını sağlıyor. Denemelerde çip, sembol hızlarında 30 gigabauda kadar dört kanallı matris çarpımlarını başarıyla gerçekleştirerek hem hız hem de doğruluk gösterdi.

3B Lazer Algılamada Gerçek Dünya Testi

Motorlarının laboratuvar kıyaslarının ötesinde faydalı olduğunu göstermek için ekip, onu pratik bir 3B tanıma problemine uyguladı: LiDAR nokta bulutu verilerinde yayalarla araçları ayırt etmek. Bilinen gerçek zamanlı modellere benzer kompakt bir 3B sinir ağı kullandılar, parametrelerini sayısal olarak eğittiler ve ardından kritik 3B konvolüsyon adımını fotonik motora devrettiler. 20 gigabaud sembol hızında çalışan optik sistem, sayısal hesaplamalara çok yakın özellik haritaları üretti ve yaklaşık yüzde 97 sınıflandırma doğruluğu elde etti—temelde geleneksel bir bilgisayarla aynı doğruluk, ancak yoğun 3B hesaplama ışıkla gerçekleştirildi.

Günlük Teknoloji İçin Anlamı

Basitçe söylemek gerekirse, bu çalışma, 3B yapay zeka iş yüklerinin en zor kısmını doğrudan ele alan, kompakt bir optik “matematik motoru” inşa etmenin mümkün olduğunu; bunun daha az bellek, daha az elektronik bileşen ve potansiyel olarak mevcut tasarımlardan çok daha az enerji kullanarak yapılabileceğini gösteriyor. Veri önbelleğe alma, zamanlama hizalaması ve hesaplamayı tamamen optik alanda tutarak yaklaşım karmaşıklığı azaltıyor ve daha yüksek hızlara ile daha büyük paralellik yolları açıyor. Fotonik entegrasyon geliştikçe ve çip içi ışık kaynakları ile yükselticiler olgunlaştıkça, bu tür 3B tensör motorları otonom sürüş, tıbbi görüntüleme, video analitiği ve sürükleyici sanal ortamlar için gelecekteki cihazlarda ana yapı taşları haline gelebilir—makinelere 3B dünyamızı gerçek zamanlı görüp anlamalarında ışınları sessizce kullanarak yardımcı olabilirler.

Atıf: Wu, Y., Ni, Z., Li, X. et al. Integrated photonic 3D tensor processing engine. Light Sci Appl 15, 154 (2026). https://doi.org/10.1038/s41377-026-02183-y

Anahtar kelimeler: fotonik hesaplama, 3B sinir ağları, optik hızlandırıcılar, LiDAR tanıma, tensör işleme