Zespół badaczy z Uniwersytetu Tsinghua postanowił wykorzystać właściwości światła do stworzenia procesora OFE2, który radykalnie przyspiesza obliczenia sztucznej inteligencji. Nie jest to wyłącznie teoretyczny eksperyment – system już teraz znajduje zastosowanie w analizie obrazów medycznych i podejmowaniu decyzji finansowych, wykonując zadania w czasie mierzonym w ułamkach sekundy.
Procesor przyszłości już istnieje
Choć koncepcja obliczeń optycznych istnieje od dawna, do tej pory napotykała fundamentalne trudności. Kluczowym wyzwaniem pozostawało utrzymanie stabilnej, spójnej wiązki światła przy częstotliwościach przekraczających 10 GHz. Operatory dyfrakcji optycznej, które wykonują obliczenia podczas przepływu światła, teoretycznie oferowały energooszczędność i równoległe przetwarzanie danych, jednak ich praktyczne wdrożenie wymagało rozwiązania problemów ze stabilnością sygnału.
Czytaj też: Microsoft pokazuje nowe chłodzenie procesorów. Mikrofluidyka obniża temperaturę o 65 procent
Prof. Hongwei Chen i jego zespół zastosowali niestandardowe podejście do tego wyzwania. Zamiast walczyć z niestabilnością światła, opracowali zintegrowany układ z regulowanymi rozdzielaczami mocy oraz precyzyjnymi liniami opóźniającymi. Ten moduł przygotowania danych deserializuje wejściowy strumień, rozdzielając go na wiele stabilnych, równoległych gałęzi.
Efekty są rzeczywiście imponujące. OFE2 pracuje z częstotliwością 12,5 GHz, wykonując pojedyncze mnożenie macierzowo-wektorowe w niecałe 250,5 pikosekundy. To najkrótsze opóźnienie wśród wszystkich znanych implementacji obliczeń optycznych. Dla porównania, tradycyjne procesory potrzebują na podobne operacje nawet 50 razy więcej czasu.
System oferuje również elastyczność dzięki regulowanej zintegrowanej matrycy fazowej, co pozwala dostosować ten sam sprzęt do różnych zadań bez fizycznych modyfikacji. Badacze przetestowali OFE2 w dwóch odmiennych scenariuszach, co dobrze świadczy o uniwersalności rozwiązania.
W zastosowaniach medycznych system wykazywał zdolność wydobywania cech krawędzi z tomografii komputerowej, tworząc komplementarne mapy cech. Obrazy przetworzone przez OFE2 umożliwiały lepszą klasyfikację i dokładniejszą segmentację semantyczną, na przykład precyzyjniejsze rozpoznawanie granic organów. Co istotne, sieci AI wykorzystujące wstępne przetwarzanie przez OFE2 wymagały znacznie mniej parametrów elektronicznych niż standardowe rozwiązania, co przekłada się na lżejsze i bardziej energooszczędne hybrydowe systemy.
W obszarze handlu algorytmicznego OFE2 zademonstrował jeszcze większy potencjał. System analizował szeregi czasowe danych rynkowych i generował sygnały kupna lub sprzedaży z minimalnym opóźnieniem. Ponieważ cały proces odbywa się z prędkością światła, przewaga czasowa nad konkurencją liczona jest w pikosekundach – co w świecie handlu wysokiej częstotliwości stanowi znaczącą różnicę.
Badania opublikowane w Advanced Photonics Nexus sugerują możliwość fundamentalnej zmiany w podejściu do wymagających obliczeniowo zadań. Przeniesienie ich z energochłonnej elektroniki na ultraszybką, niskoenergetyczną fotonikę otwiera drogę do nowej generacji systemów AI działających w czasie rzeczywistym.
Potencjalne zastosowania wykraczają poza środowisko laboratoryjne, obejmując rozpoznawanie obrazów, wspomaganą diagnostykę medyczną oraz finanse cyfrowe. Tam, gdzie liczy się każdy ułamek sekundy, optyczne procesory mogą zapewnić decydującą przewagę. Zespół z Tsinghua poszukuje już partnerów zainteresowanych praktycznym wdrożeniem tej technologii.