Fotonic chip voert hele AI-berekening uit in één lichtpuls
Onderzoekers van Aalto University hebben een experimenteel systeem gepresenteerd dat complete tensorbewerkingen – de basis van deep-learningmodellen – in een enkele doorgang van een lichtbundel uitvoert. Zodra de bundel door een reeks geïntegreerde optische componenten reist, wordt de beoogde matrixvermenigvuldiging fysiek „afgedrukt" op het uitgaande signaal.
Het prototype, opgebouwd uit vrij-ruimtelijke optica, rondt een volledige convolutielaag in picoseconden af zonder dat elektronische switching of ADC's nodig zijn. De wetenschappers schatten dat een geoptimaliseerde fotonische chip het energieverbruik per inferentie met een factor 100 tot 1 000 kan terugbrengen ten opzichte van moderne GPU's.
Implicaties voor hardware-roadmaps
Datacenters: lagere koellast en mogelijk kleinere sub-stationaire voetafdruk door de combinatie van optische berekeningen en passieve warmte-afgifte.
Edge-AI: real-time beeldherkenning of high-frequency trading kan profiteren van de extreem lage latentie (orders van grootte <1 ns).
Chipdesign: grote spelers werken al aan hybride oplossingen waarbij fotonica de lineaire algebra afhandelt en CMOS de flow-control verzorgt.
Hobbels op weg naar productie
De opstelling is nog beperkt tot labo-formaat, en foutcorrectie voor optische ruis staat in de kinderschoenen. Daarnaast is programmabiliteit momenteel gebonden aan fysiek herontwerp: het „programmeren" gebeurt via het lithografisch patroon van golfgeleiders in glas of siliconenitridelaag.
Toeleveranciers moeten bovendien investeren in fotonische fabs; het CMOS-ecosysteem is daar decennia in het voordeel. Analisten verwachten daarom eerst niche-accelerators voor specifieke inferencetaken, gevolgd door brede adoptie zodra massa-productie uit kan.
Bronnen
Nature Photonics (peer-reviewed paper), ScienceDaily, ElectronicsWeekly.
