У электроники и фотоники есть древнее правило: электроны (фермионы) хороши для вычислений, потому что они охотно взаимодействуют друг с другом, а фотоны (бозоны) идеально подходят для связи, поскольку почти не мешают друг другу. Именно поэтому внутри компьютеров правят бал транзисторы, а оптоволокно используют для передачи данных на большие расстояния. Но что, если попытаться нарушить это правило и заставить свет не только передавать, но и обрабатывать информацию? Именно такой вопрос поставили перед собой исследователи нейроморфной инженерии, и один из самых интересных ответов предлагает доктор Патти Стабиле из Эйндховенского технологического университета.
В этом материале мы разбираемся, как работают полностью оптические нейронные сети, почему они могут быть быстрее и энергоэффективнее привычных чипов, а также какие препятствия всё ещё мешают им занять своё место в дата-центрах, дронах и системах связи.
Свет вместо электричества: в чём выгода?
Классический довод против использования фотонов для вычислений звучит просто: фотоны почти не взаимодействуют друг с другом, а значит, заставить их выполнять арифметические операции сложно. Однако у этого недостатка есть оборотная сторона – огромный параллелизм. В одно оптическое волокно можно одновременно «упаковать» множество сигналов, используя разные цвета (длины волн). Эта техника называется спектральным уплотнением (WDM). По сути, каждый цвет становится отдельным информационным каналом, и все они путешествуют по одному и тому же волноводу, не мешая друг другу.
Патти Стабиле и её команда используют эту идею для создания оптических нейронных сетей. В их чипах, изготовленных на основе фосфида индия, свет не только передаётся между слоями искусственных нейронов, но и выполняет сами вычисления. Ключевой компонент – полупроводниковые оптические усилители (SOA). Они работают и как линейные элементы (усиление сигнала), и как нелинейные (активационные функции нейронов). Благодаря этому информацию не приходится постоянно преобразовывать из оптической в электрическую и обратно, что резко снижает задержки.
«Мы никогда не переходим в электрическую область, – объясняет Стабиле. – Это позволяет нам выполнять операции с ультранизкой задержкой, не требуя от памяти постоянно подкачивать данные».
Иными словами, фотонный нейронный слой получает свет на входе и выдаёт свет на выходе, а следующий слой принимает его без посредников. Такой сквозной оптический тракт способен обрабатывать данные со скоростью распространения света в волноводе, а это фемтосекунды.
Размер и энергия: две главные проблемы
Когда речь заходит о фотонных интегральных схемах, сразу возникает вопрос о размерах. Длина видимого света – сотни нанометров, поэтому оптические компоненты физически крупнее транзисторов в современных 2-нм или 3-нм техпроцессах. Не приведёт ли это к тому, что чип получится огромным и непрактичным?
По мнению Стабиле, проблема не так страшна, как кажется. Если не пытаться упаковать оптику и электронику в одну монолитную 3D-структуру, а размещать их планарно (рядом или слоями), то разница в масштабах не принципиальна. Главное – правильно организовать интерфейсы между двумя мирами.
Более острый вопрос – энергопотребление. Лазеры и усилители с токовым смещением «съедают» немало ватт. На первый взгляд, это делает фотонные нейросети невыгодными по сравнению с электронными. Однако Стабиле указывает на два важных нюанса.
Во-первых, большая часть энергии в таких системах тратится на синаптические операции (умножение весов на сигналы), а они масштабируются квадратично с размером сети. Если заменить токоуправляемые усилители более энергоэффективными компонентами – например, микрорезонаторами или интерферометрами Маха–Цендера, работающими от напряжения, – можно снизить энергозатраты на два-три порядка. Уже сейчас существуют устройства с потреблением в сотни фемтоджоулей на операцию, что вполне сравнимо с электроникой.
Во-вторых, фотонные сети ведут себя иначе при масштабировании. Ральф Этьенн-Каммингс из Университета Джонса Хопкинса поясняет: «Удельная стоимость вычислений в пересчёте на одну операцию снижается по мере роста сети. Вы вкладываетесь в оптику один раз, а затем «размазываете» затраты на огромное количество вычислений. Чем больше сеть, тем выгоднее».
Санни Бейнс считает, что
«В малом масштабе фотоника выглядит катастрофой, но в большом – обладает колоссальным потенциалом».
Где фотонные нейросети найдут применение?
Несмотря на все сложности, Стабиле уверена, что первые продукты на основе оптического нейроморфного компьютинга появятся уже через пять лет. И начнётся не с гигантских суперкомпьютеров, а с компактных решений для задач, где критична сверхнизкая задержка.
Какие это задачи?
- Дроны и автономные транспортные средства. Система управления должна мгновенно реагировать на показания датчиков (камер, лидаров, радаров). Оптический чип может принимать световые сигналы напрямую с сенсоров, обрабатывать их и отдавать команды на рули и двигатели – всё на скорости света, без перехода в «медленную» электронную область.
- Радиочастотные интерфейсы и цифровая обработка сигналов (DSP). Высокочастотные сигналы можно модулировать на оптическую несущую, фильтровать и анализировать прямо в оптическом домене.
- Умная связь. Оптические коммутаторы и маршрутизаторы с «интеллектом» на борту смогут перенаправлять потоки данных не по жёстким правилам, а с учётом реальной загрузки сети и приоритетов.
При этом Стабиле не призывает полностью отказаться от электроники. Напротив, по её мнению, идеальный вариант – гибридные системы, где фотоника отвечает за скоростные магистрали и часть вычислений, а электроника – за всё остальное. Именно такой подход сейчас пробуют крупные игроки: они интегрируют оптические межсоединения между GPU, чтобы снизить задержки и энергопотребление при обмене данными.
Третья волна? Небольшой исторический экскурс
В разговоре всплыл интересный факт: энтузиазм по поводу оптических вычислений возникает циклически. Санни Бейнс вспоминает, что уже была свидетелем бума в 1990-х. Сама Стабиле иронично замечает: «Тогда была "волна ноль", потом первая, а теперь, кажется, начинается третья».
Действительно, интерес то угасал, то разгорался вновь. Но в последние пару лет появилось сразу несколько значимых работ, в том числе в Nature и Nature Communications (2025). Одна из них демонстрирует полностью оптическую классификацию с обучением на кристалле (on‑chip backpropagation), другая – нейроморфную фотонную систему с аналоговой памятью, достигающую 26-кратной экономии энергии по сравнению с цифровыми аналогами и точностью выше 90% на задаче MNIST.
Ещё один впечатляющий результат – от MIT: оптическая обработка беспроводных сигналов в 100 раз быстрее цифровых альтернатив (всего за 120 наносекунд). Это уже не лабораторная игрушка, а реальный прототип для приложений связи следующего поколения.
«Связь – это хорошо, но где же настоящие вычисления?»
Не все эксперты разделяют оптимизм. Ральф Этьенн-Каммингс, долгое время работавший в области оптического компьютинга, сохраняет здоровый скептицизм: «Я до сих пор не вижу убедительного аргумента в пользу отказа от идеи, что фотоны – для связи, а электроны – для вычислений. Большинство исторических проектов "оптических компьютеров" на деле были просто оптическими коммуникациями внутри компьютера».
Тем не менее, он признаёт, что появление активных метаматериалов и перестраиваемых оптических фильтров меняет правила игры. Если раньше веса нейронной сети задавались фиксированными масками, то теперь их можно динамически изменять с помощью электронного управления. Главная загвоздка – скорость такого управления. Модуляторы света работают на электронных скоростях (пико- или наносекунды), тогда как сам свет распространяется в тысячи раз быстрее (фемтосекунды). Это несоответствие – одно из ключевых ограничений.
Санни Бейнс добавляет ещё одну проблему: «Все активные компоненты фотоники – модуляторы, переключатели – намного больше, медленнее и "неуклюжее" электронных транзисторов. Поэтому мы вряд ли заменим электронику полностью; скорее, фотоника будет служить сверхскоростной магистралью, которую контролируют электронные чипы».
Что в итоге? Взгляд в будущее
Подводя черту, можно выделить несколько главных выводов из дискуссии.
- Фотонные нейронные сети реальны и уже показали свою работоспособность на небольших задачах. Ключевые элементы – полупроводниковые усилители, микрорезонаторы и интерферометры – позволяют выполнять и линейные, и нелинейные операции прямо в оптическом домене.
- Главное преимущество – сверхнизкая задержка и огромный параллелизм, достигаемый за счёт спектрального уплотнения (WDM) и пространственного мультиплексирования.
- Энергопотребление – решаемая проблема. Переход от токоуправляемых усилителей к потенциал-управляемым устройствам (а также использование пассивных компонентов) может снизить затраты на 2–3 порядка, сделав оптику конкурентоспособной.
- Первый рынок – не суперкомпьютеры, а бортовые системы дронов, автопилоты и радиочастотная обработка сигналов, где важнее всего скорость реакции и малый вес.
- Полная замена электроники не планируется. Самый вероятный сценарий– гетерогенные системы, в которых фотоника обслуживает самые горячие участки вычислительного конвейера: связь между чипами, стойками серверов, а также прямое сенсорное восприятие.
Патти Стабиле резюмирует:
«Мы не хотим заменять электронику – лучшее – это комбинация двух технологий. Но мы можем выполнять несколько слоёв вычислений полностью оптически, ускоряя не только синаптические операции, но и операции ИИ в целом».
Так что в ближайшие годы нас, вероятно, ждёт не революция, а эволюция: привычные электронные процессоры обрастут фотонными «ускорителями», и первой ласточкой станут компактные оптические движки для беспилотных систем. А если третья волна окажется не такой короткой, как предыдущие, возможно, мы наконец увидим, как свет начинает не только освещать путь данным, но и прокладывать его сам.
Ссылка на первоисточник: https://www.eetimes.com/podcasts/will-photonics-loosen-the-bottlenecks-in-neural-systems/
Вас также могут заинтересовать: