Китайские исследователи из Сидяньского университета создали фотонные нейроморфные чипы, которые выполняют все этапы обучения нейросетей — включая нелинейные вычисления — исключительно с помощью света, без преобразования в электричество. Система на 16 каналах показала эффективность на уровне GPU, но с пикосекундной задержкой и минимальным энергопотреблением. Это открывает путь к ИИ, который учится в реальном времени, как живой организм.
В чём фокус?
Обычные нейросети работают на электронике. Даже самые мощные GPU тратят энергию и время на передачу сигналов по проводам. Фотоника обещает передачу со скоростью света, но до сих пор была одна проблема: нелинейные операции (самое сердце обучения) нельзя сделать чисто светом — сигнал приходилось конвертировать обратно в электричество, теряя все преимущества.
Команда Шуйин Сян решила эту проблему, создав двухчиповую архитектуру:
- 16-канальный фотонный процессор с 272 обучаемыми параметрами — выполняет линейные операции со светом.
- Лазерный массив с насыщающимся поглотителем — генерирует нелинейные оптические спайки (импульсы), имитируя работу нейрона.
Вся нейросеть — от входа до выхода — работает в оптическом домене. Преобразование в электричество нужно только для финального считывания результата.
А это вообще обучается?
Исследователи протестировали систему на классических задачах reinforcement learning (обучение с подкреплением):
- CartPole (баланс шеста на тележке) — точность 98.5% от эталонной программной модели.
- Inverted Pendulum (удержание перевёрнутого маятника) — точность 98%.
Задержка вычислений составила всего 320 пикосекунд. Энергоэффективность линейных операций — 1.39 тераопераций в секунду на ватт, нелинейных — 988 гигаопераций на ватт. Это сопоставимо с лучшими GPU, но без нагрева и с потенциалом к дальнейшему росту.
Где это применимо?
- Автономное вождение: Фотонный ИИ может обрабатывать сенсорные данные и принимать решения за наносекунды, что критично для безопасности.
- Роботы, обучающиеся на ходу: Вместо того чтобы загружать готовую модель, робот сможет адаптироваться к новой обстановке в реальном времени, используя световые нейросети прямо на борту.
- Периферийные вычисления (Edge AI): Энергоэффективность и скорость позволяют размещать сложный ИИ на устройствах с батарейным питанием — дронах, носимой электронике, датчиках.
#УКУС_ТРЕНДА
Этот прорыв — симптом трёх важнейших тенденций:
- Конец бутылочного горлышка фон Неймана: В классических компьютерах данные постоянно пересылаются между памятью и процессором. Фотонные нейросети обрабатывают информацию в той же среде, где она хранится — это архитектура, принципиально более близкая к биологическому мозгу.
- ИИ как физический процесс: Нейросеть перестаёт быть «программой», работающей на универсальном процессоре. Она становится специализированным оптическим контуром, где вычисления — это просто распространение света.
- Гонка за пост-кремниевой эрой: Транзисторы скоро упрутся в физические пределы. Фотоника — один из главных кандидатов на роль следующей вычислительной парадигмы, особенно для задач, требующих скорости и параллелизма.
*P.S. 16 каналов — пока демонстрация концепции. Но исследователи уже планируют 128-канальную версию, способную на более сложные задачи. Если масштабирование удастся, мы можем увидеть фотонные ускорители в дата-центрах и роботах уже в ближайшие годы. Представьте беспилотник, который «думает» со скоростью света, а не электричества.*
#фотоника #ИИ #нейросети #инновации #будущее