В Университете Аалто в Финляндии разработали чип, 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 — 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 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 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.