Китайские ученые разработали оптический чип, работающий со скоростью света

Инженеры из Университета Цинхуа разработали оптический вычислительный модуль, способный извлекать основные характеристики из потока данных со скоростью 12,5 гигагерц. Это первое устройство на дифракционном операторе, преодолевшее отметку в 10 гигагерц. Новая разработка получила название OFE 2 (Optical Feature Extraction Engine) сочетает в себе два элемента: модуль предварительной обработки данных и дифракционный оператор, в котором вычисления производятся не с помощью электрических сигналов, а с использованием световых волн.

Дифракционный оператор представляет собой тонкую пластинчатую структуру, которая осуществляет математические вычисления при воздействии на неё когерентного света, то есть света, согласованного по фазе. Он функционирует подобно матричному умножению: проходя через материал с определенным распределением показателя преломления, волновой фронт света преобразуется в новую картину интенсивности. Из этой картины можно извлечь признаки исходного сигнала. Таким образом, устройство превращает свет в инструмент вычислений, а не просто в носитель информации.

Основная инженерная задача состояла в поддержании устойчивой когерентности света при частотах, превышающих 10 ГГц. Для решения этой задачи разработчики внедрили на кремниевом кристалле, изолированном от подложки, систему управляемых делителей мощности и линий задержки. Эти элементы разделяют входящий поток данных на несколько синхронизированных ветвей и приводят их к одинаковой фазе. Это позволило устранить фазовые флуктуации, возникающие в оптоволоконном кабеле, и, как следствие, гарантировать надежность оптических вычислений.

Подготовленный сигнал направляется через дифракционный элемент. Фазовая модуляция света в отдельных направлениях позволяет перемещать область максимальной яркости («световое пятно») между выходными портами, что позволяет выявлять специфические изменения в сигнале, такие как границы объектов на изображении или резкие колебания цен в алгоритмах. По сути, этот метод эквивалентен операции выделения признаков, применяемой в нейронных сетях.

Не пропустите:  Сбер представит карту для детей в формате брелока

Вычислительная скорость поражает: на одно матричное умножение требуется менее 250,5 пикосекунд – это наименьшая задержка среди всех существующих оптических процессоров. Полная задержка всей системы составляет 82,2 наносекунды, что на 12 наносекунд превосходит показатели сопоставимых цифровых схем, реализованных на FPGA. Кроме того, энергоэффективность устройства достигает 2,06 триллиона операций в секунду на ватт, а затраты энергии на одно вычисление – всего 9,7 пикоДж.

Учёные продемонстрировали работу OFE2 на нескольких типах задач. При обработке изображений чип выделял края объектов и создавал две дополняющие друг друга карты признаков — с эффектом барельефа и гравировки. Подключенная к ним нейросеть повышала точность классификации рукописных цифр (датасет MNIST) до 95 %, что на 2,5 % больше, чем в базовой версии, при меньшем числе электронных параметров. В задаче сегментации органов на КТ-снимках точность выросла на 1,1 %, что эквивалентно 215 пикселям на изображение.

Затем OFE2 проверили в задаче финансового анализа — так называемой «стратегии золотого квантования». На вход подавалась серия котировок золота за 1978–2023 годы, а устройство, обучаясь на этих данных, генерировало сигналы «покупать» или «продавать» в зависимости от тенденции. После 150 циклов оптимизации модуль обеспечил устойчивую прибыльность и показал линейную корреляцию между тренировочными и тестовыми результатами.

Не пропустите:  Tesla разрабатывает сеть высокомощных и скоростных зарядных станций Megacharger

В будущем такие системы способны снизить нагрузку на электронные нейросети, обрабатывая наиболее сложные этапы анализа с использованием оптических технологий. Это откроет возможности для разработки гибридных архитектур искусственного интеллекта, предназначенных для задач, требующих мгновенной реакции, например, в медицинской диагностике или высокочастотной торговле.

Похожие статьи