Chińscy naukowcy zmuszają roboty do myślenia natychmiastowego, przyspieszając rozwój fotoniki krzemowej

Nowy przełom w fotonowych obliczeniach neuromorficznych

Naukowcy z Uniwersytetu Xidian stworzyli pierwszy całkowicie świetlny chip „neuromorficzny”, który potrafi się uczyć przez wzmacnianie bez konwersji sygnałów na prąd elektryczny. To wydarzenie oznacza przejście od liniowych fotonowych sieci spikingowych do nieliniowych transformacji – kluczowy krok w praktycznych zastosowaniach.

Dlaczego to ważne
- Brak konwersji: Przekładanie fotonów na elektrony i z powrotem powoduje straty energii i czasu. W systemach czasu rzeczywistego (robotyka, autopilot) takie opóźnienia mogą prowadzić do awarii sprzętu lub nawet wypadków.

- Bezpieczna interakcja robotów z ludźmi: Tworzenie uniwersalnych fotonowych chipów otwiera drogę do bardziej niezawodnych i energooszczędnych systemów inteligentnych.

Trzy rozwiązane problemy
1. Obecność dużych zbiorów nieliniowych neuronów spikingowych o niskim progu aktywacji – teraz można gęściej rozmieszczać neurony.

2. Całkowicie programowalne chipy – wcześniej były „twarde” (sprzętowo zaprogramowane).

3. Fotoniczne uczenie przez wzmacnianie – teraz zrealizowane dzięki nowej architekturze.

Architektura prototypu
| Komponent | Opis |
|-----------|------|
| 16‑kanałowy chip fotonowy | Zawiera 272 uczące się parametry, oparty na macierzy 16×16 interferometrów Mach‑Zehnder. |
| Chip z laserami i sprzężeniem zwrotnym | Wykorzystuje nasycający absorbator do niskiego progu nieliniowej aktywacji spikingu. |
| Framework sprzętowo-programowy | Najpierw trenowany w pakiecie programowym, potem przenoszony na chipy, a następnie dopasowywany z uwzględnieniem cech sprzętowych. |

Testowanie
- CartPole (równoważenie stożka) – dokładność niemal identyczna jak model programowy (spadek 1,5 %).
- Pendulum (odwracanie wahadła) – spadek 2 %.
- Na obu zadaniach opóźnienie obliczeń wyniosło tylko 320 pikosekund.

Efektywność
| Typ | Zużycie energii | Gęstość |
|-----|-----------------|---------|
| Liniowy | 1,39 TOPS/W | 0,13 TOPS/mm² |
| Nieliniowy | 987,65 GOPS/W | 533,33 GOPS/mm² |

Te liczby plasują fotoniczny system w klasie GPU pod względem energooszczędności (≈1 TOPS/W) i gęstości (0,1–0,5 TOPS/mm²), przy czym całkowicie opiera się na przetwarzaniu świetlnym, eliminując straty konwersji.

Perspektywy
- Samojezdne pojazdy
- Inteligentne roboty
- Obliczenia peryferyjne z ultra‑niskim opóźnieniem i minimalnym zużyciem energii

W przyszłości planuje się skalowanie chipu do 128 kanałów, aby rozwiązywać bardziej skomplikowane zadania (neuromorficzna autonomiczna nawigacja) oraz tworzyć kompaktowe hybrydowo‑integrowane fotoniczne urządzenia neuromorficzne.

Podsumowując: Rozwój otwiera nową ścieżkę do energooszczędnej sztucznej inteligencji opartej na impulsach świetlnych, co może radykalnie zmienić podejścia w robotyce i systemach autonomicznych.