AI на фотонных чипах все ближе: ученые провели тензорные вычисления с помощью света

В Университете Аалто в Финляндии разработали чип ^[1], который использует свет для выполнения тензорных вычислений — базовой операции современных нейронных сетей. Исследование опубликовано в Nature Photonics и описывает прототип оптической системы, где все процессы выполняются с помощью фотонов вместо электрических сигналов. Такой подход ускоряет операции и снижает энергозатраты по сравнению с электронными схемами. Давайте посмотрим, как устроен этот чип, чем он отличается от обычных процессоров и какие задачи ему можно поручить.

Как свет заменяет электронику в ИИ

Тензоры ^[2] — многомерные массивы чисел, используемые во всех ключевых задачах ИИ: распознавании лиц, переводе текстов, управлении роботами. Графические процессоры, такие как NVIDIA H100, перемножают эти массивы за микросекунды, но для больших моделей, вроде языковых сетей с триллионом параметров, требуется недели обучения и сотни ватт мощности. Команда Аалто под руководством Юфэна Чжана из группы фотоники нашла другой путь: кодировать данные в световые волны и выполнять тензорные операции за один оптический проход.

Световые сигналы проходят через оптическую схему, и их параметры используются для представления данных. Они интерферируют в заданной структуре, выполняя тензорные операции — например, свертки или матричные умножения. Такой принцип относят к методам параллельного оптического матричного умножения: 

Для крупных тензоров используют несколько длин волн, каждая из которых несет свою часть информации, что дает параллелизм.

Прототип, собранный из стандартных оптических компонентов, дает эффективность ^[4] около 2,62 миллиарда операций на джоуль — это ниже уровня топовых GPU, но при интеграции на чип такой показатель можно увеличить на порядки. У волноводов из нитрида кремния потери около 0,1 дБ/см, поэтому передача данных идет практически без затухания. Свет распространяется в них со скоростью около 200 000 км/с, что снижает задержки до наносекунд. В экспериментах система выполнила операции, эквивалентные сверточным слоям нейронных сетей, с точностью свыше 94% относительно GPU, то есть базовые ИИ-задачи для нее уже доступны.

Такая система работает пассивно: после настройки свет сам выполняет вычисления при прохождении через оптическую структуру. Энергия для элементов не требуется. Это снижает нагрев и позволяет делать чипы крупнее без риска перегрева. Ну а поскольку операции выполняются в момент прохождения светового сигнала, задержки минимальны. 

А что, проблем совсем нет? 

GPU остаются основой ИИ-индустрии, но их физические ограничения все заметнее. С ростом числа транзисторов увеличивается нагрев, а системы охлаждения добавляют энергозатраты. Передача данных по проводам упирается в сопротивление и емкость, что создает задержки. Фотонный чип Аалто обходит эти ограничения: он использует свет вместо электричества, работает с меньшими потерями и выполняет большие объемы тензорных операций параллельно за один оптический проход. 

Но есть и проблемы — без них никуда. ИИ-системы не могут работать только на свете: нужны электронные компоненты для управления, ввода и хранения данных. Это требует новых интерфейсов и софта, который понимает фотонные вычисления. Адаптировать фреймворки вроде PyTorch — задача на годы, так как они заточены под электронику. 

Производство тоже недешевое: кремниевые фотонные чипы уже делают, но масштабировать их для массового выпуска пока дорого. Технология тонкопленочного ниобата лития (TFLN) перспективна, но нуждается в доработке. Погрешности в волноводах — даже на нанометры — искажают сигнал, а шум от температуры или вибраций усложняет работу. Такие чипы пока лучше чувствуют себя в лабораториях, чем на заводах.

Все это напоминает первые годы развития полупроводников, когда транзисторы тоже были дорогими и нестабильными. Со временем большинство технологических ограничений удалось преодолеть, и с фотонными системами ситуация может развиваться похожим образом. Потенциал у таких чипов есть: они дают выигрыш в скорости и энергоэффективности, что важно для ИИ, телекоммуникаций и научных вычислений. Дальнейшее зависит от того, насколько быстро удастся решить инженерные задачи и адаптировать программные инструменты под оптические схемы.

Где могут использоваться фотонные чипы

В ИИ они подходят для задач, где нужно быстро обрабатывать большие объемы информации, например в компьютерном зрении или анализе потоковой информации. В астрономии такие системы могли бы выполнять предварительную обработку данных с телескопов, уменьшая нагрузку на ЦОД. В телекоммуникациях — дополнять оптоволоконные линии, добавляя вычислительные функции прямо в каналы передачи. В биомедицине оптические устройства могут ускорять обработку сигналов МРТ или данных секвенирования, где важны скорость и низкое энергопотребление.

А еще фотоны применяются во многих квантовых платформах, поэтому подход Аалто можно комбинировать с такими системами. Команда изучает гибридные архитектуры в рамках центра Quantum Technology Finland и института InstituteQ: в них оптическая часть выполняет классические преобразования, а квантовые элементы берут на себя задачи моделирования или оптимизации. Такой формат подходит для текущего этапа развития квантовых устройств, которые пока ограничены по возможностям, но уже могут работать вместе с классическими вычислителями.

В течение 3–5 лет исследователи планируют перенести технологию на кремниевые чипы, чтобы использовать стандартные CMOS-процессы и снизить стоимость производства. Параллельно компании вроде Lightmatter продолжают ^[5] испытания гибридных фотонно-электронных решений, а китайские проекты демонстрируют движение в сторону масштабирования фотонных архитектур. При успешной доработке подход Аалто будет использоваться в системах, где вычисления распределяются между светом и электроникой. В перспективе обсуждаются и полностью оптические нейронные сети, где весь цикл обработки выполняется на фотонных элементах. Для этого нужны новые алгоритмы и архитектуры, и исследования в этом направлении уже ведутся.

Фотонные чипы могут стать одним из векторов развития вычислительных систем: они снижают энергопотребление, уменьшают задержки и подходят для задач, где важны скорость и эффективность. До практического применения еще далеко: нужно удешевить производство, повысить устойчивость волноводов и адаптировать программные инструменты под оптическую архитектуру. Но уже сейчас видно, что световые вычисления могут занять свою нишу в ИИ, телекоммуникациях и научных расчетах, особенно в тех случаях, где электронные решения начинают упираться в физические ограничения.