Fotonski čipovi za ultrabrzu, izravnu obradu optičkih signala

Fotonski procesor vodi do bržeg i energetski učinkovitijeg dubokog učenja za računalno zahtjevne procese poput lidara, astronomskih istraživanja ili brzih telekomunikacija

Mladen Smrekar utorak, 14. siječnja 2025. u 11:02
MIT-ovi znanstvenici razvili su novi fotonski čip koji koji može izvesti sve ključne proračune duboke neuronske mreže optički na čipu 📷 Sampson Wilcox, Research Laboratory of Electronics/MIT News
MIT-ovi znanstvenici razvili su novi fotonski čip koji koji može izvesti sve ključne proračune duboke neuronske mreže optički na čipu Sampson Wilcox, Research Laboratory of Electronics/MIT News

Na MIT-u su razvili potpuno integrirani fotonski procesor koji može izvesti sve ključne proračune duboke neuronske mreže optički na čipu. Standardna digitalna kamera koja se u automobilu koristi za kočenje u nuždi ima percepcijsku latenciju od oko 20 milisekundi. Toliko je naime vremena potrebno da fotone koji pogađaju njegov otvor fotoaparat transformira u električne punjače uz pomoć CMOS ili CCD senzora. U tu računicu nisu uračunate daljnje milisekunde potrebne da se te informacije pošalju u računalo i tamo obrade.

Arhitektura FICONN-a 📷 Saumil Bandyopadhyay / MIT
Arhitektura FICONN-a Saumil Bandyopadhyay / MIT

No, sad su istraživači s MIT-a pokazali da se cijeli taj korak digitalizacije može preskočiti i proces ubrzati ako imate čip koji može izravno obraditi fotone. Implementiravši kompletnu duboku neuronsku mrežu na svoj fotonički čip, MIT-ovi istraživači postigli su ​​latenciju od 410 pikosekundi. To znači da je čip mogao oko 58 puta obraditi ugrađenu neuronsku mrežu unutar jednog takta od 4 GHz na standardnom CPU-u.

Mreža na čipu

“Proces počinje s vanjskim laserom s modulatorom koji dovodi svjetlost u čip kroz optičko vlakno. Tako pretvaramo električne ulaze u svjetlost,” objašnjavaju projektanti vjerojatno prvog čipa koji može izračunati cijelu duboku neuronsku mrežu, uključujući linearne i nelinearne operacije, koristeći fotone. Svjetlost se zatim širi u šest kanala i dovodi u sloj od šest neurona koji izvode linearno matrično umnožavanje s pomoću niza Mach-Zehnderovih interferometara. Riječ je o programabilnim razdjelnicima snopa koji uzimaju dva optička polja i koherentno ih miješaju kako bi proizveli dva izlazna optička polja. Primjenom napona može se kontrolirati koliko se miješaju ta dva ulaza.

Profesor Marin Soljačić i istraživači MIT-a još su 2017. demonstrirali su optičku neuronsku mrežu na jednom fotoničkom čipu koja može izvesti množenje matrica sa svjetlom 📷 MIT News
Profesor Marin Soljačić i istraživači MIT-a još su 2017. demonstrirali su optičku neuronsku mrežu na jednom fotoničkom čipu koja može izvesti množenje matrica sa svjetlom MIT News

Cijeli čip, opisan u časopisu Nature Photonics, https://www.nature.com/articles/s41566-024-01567-z ima tri sloja neurona koji izvode množenje matrica s dvije nelinearne funkcionalne jedinice postavljene između njih. Sveukupno, mreža implementirana na čipu mogla bi raditi sa 132 parametra. To ukazuje i na neka ograničenja današnjih optičkih čipova. Naime, Chat GPT-4 navodno koristi trilijun parametara. U usporedbi s tom brojkom spomenuta 132 parametra doista zvuče skromno.

Fokus na manje modele

No, istraživači su ionako fokusirani na druge projekte i ciljaju na manje modele, poput čipa koji će pokretati umjetnu inteligenciju s maksimalno 100.000 parametara. A jedan takav manji model, implementiran na čipu, prepoznavao je izgovorene samoglasnike, što je zadatak koji se obično koristi kao mjerilo u istraživanju hardvera usmjerenog na AI. Pritom je postigao 92 posto točnosti, što je u rangu neuronskih mreža koje rade na standardnim računalima. Takvi mali modeli mogli bi se, kažu, koristiti i za druge stvari poput sprečavanja sudara samovozećih automobila.

Mikroskopska slika fotonskog čipa 📷 Saumil Bandyopadhyay i sur.
Mikroskopska slika fotonskog čipa Saumil Bandyopadhyay i sur.