Фотоника снимает технические ограничения для нейроморфных вычислений

Нейроморфные вычисления — это попытка скопировать принцип работы мозга: не последовательно выполнять команды, как обычный процессор, а обрабатывать информацию параллельно, через сеть взаимосвязанных «нейронов», которые активируются в зависимости от поступающих сигналов. Эта идея существует уже несколько десятилетий, но до недавнего времени ее реализовывали на обычной электронной элементной базе. Исследователи из МФТИ провели обширный обзор, в котором систематизировали последние достижения в области фотонных нейроморфных вычислений.



Принципиальное ограничение электронных систем — это скорость передачи сигналов и неизбежные тепловыделение и энергопотери при перемещении электронов через резисторы и транзисторы. Именно здесь на сцену выходит фотоника: если заменить электроны фотонами, сигналы будут распространяться со скоростью света, практически без потерь, и при этом параллельно по множеству каналов (частот).

Авторы обзора, опубликованного в «Журнале радиоэлектроники», обобщают несколько ключевых архитектурных подходов к фотонным нейроморфным системам.

Крупномасштабные фотонные матричные процессоры на основе модуляторов Маха—Цендера выполняют операцию умножения матрицы на вектор непосредственно в оптическом домене. Кремниевый чип площадью чуть больше почтовой марки способен выполнять более 100 триллионов операций умножения и накопления в секунду.

Мультиплексирование по длине волны и по модам: разные «цвета» света и разные пространственные моды в одном волноводе используются как независимые вычислительные каналы, что на порядки увеличивает параллелизм без роста физических размеров чипа.

Схема фотонного умножения вектора на матрицу большого размера / © Журнал радиоэлектроники

Особый интерес представляют так называемые резервуарные вычисления на фотонной основе. В этой архитектуре роль «резервуара» — сложной динамической системы, хранящей память о прошлых входных сигналах,— выполняет нелинейная оптическая среда или полупроводниковый лазер с внешней обратной связью. Такие системы демонстрируют способность к распознаванию речи и временных паттернов при минимальном числе обучаемых параметров.

Еще одно перспективное направление — фотонные нейронные сети с фазово-переходными материалами (например, GST — сплав германия, сурьмы и теллура), которые могут переключаться между аморфным и кристаллическим состоянием прямо под действием лазерного импульса, реализуя тем самым оптическую «память» — аналог синаптической пластичности мозга.

Область применения фотонных нейроморфных систем охватывает практически весь спектр задач современного ИИ. Телекоммуникационные сети нового поколения требуют обработки терабитных потоков данных в реальном времени — здесь фотонные процессоры уже демонстрируют скорости, недостижимые для электронных аналогов. Автономные транспортные средства и беспилотники нуждаются в молниеносном распознавании объектов при жестких ограничениях по энергопотреблению — фотонные сверточные нейронные сети дают принципиальное преимущество. Медицинская диагностика в реальном времени, спутниковые системы наблюдения, квантовые коммуникации — все эти области ждут прихода нового поколения фотонного «железа».

Фотогенный чип проекта Prometheus, разработанный для нейроморфных и квантовых вычислений. Это нейроморфная платформа нового поколения: интеграция оптических нейронов, синаптических матриц и блоков нелинейной активации в едином фотонном чипе / © prometheus-he.eu

Основные технологические вызовы, которые авторы обзора честно перечисляют, это сложность реализации нелинейных функций активации в оптическом домене, трудности с хранением больших объемов данных (оптическая память пока уступает электронной по плотности записи), а также проблемы масштабирования интегральных фотонных схем до промышленных объемов.

Тем не менее темп прогресса в последние годы резко ускорился: от отдельных демонстраций на уровне нескольких узлов до чипов, реализующих сотни взаимодействующих оптических нейронов. Следующее десятилетие, по оценке авторов, принесет гибридные оптоэлектронные платформы, совмещающие сильные стороны обеих технологий, и полностью интегрированные фотонные процессоры, способные конкурировать с лучшими современными GPU в ключевых задачах ИИ.

Кандидат технических наук Дмитрий Ступин, сотрудник проектно-конструкторского бюро разработки космических технологий МФТИ, отметил: «Конвергенция нейроморфных вычислений с фотонными технологиями — это ответ на фундаментальное физическое ограничение: электроны слишком медленны и расточительны для того масштаба ИИ, к которому движется человечество. Свет лишен этих ограничений — надо лишь научиться им управлять с нужной точностью».

Мозг человека работает на 20 ваттах. Самый мощный ИИ-кластер — на десятках мегаватт. Пропасть между этими числами — это и есть главная инженерная задача ближайших десятилетий. Фотонные нейроморфные вычисления могут ее реально сократить, опираясь не на ускорение технологий, а на смену самой физики вычислительного процесса.