Хотите назвать кого-то сообразительным? Обычно для этого используют сравнение с компьютером. Однако изначально «компьютерами» называли математиков, как в фильме «Скрытые фигуры», которые обеспечили успех первых миссий NASA.

Современные электронные компьютеры, несмотря на свою скорость, всё же уступают оптическим вычислениям, где данные обрабатываются не электронами, а светом, что позволяет достигать скорости, близкой к скорости света.

Почему нужны более быстрые вычисления

Потребность в ускорении вычислений вызвана не только желанием пользователей одновременно смотреть фильмы, общаться по видеосвязи, играть в VR-игры и заниматься 3D-печатью. Главная причина — стремительный рост объёма данных в цифровом мире. Обычные графические процессоры (GPU) в стандартных компьютерах не справляются с такими потоками информации: они не могут масштабироваться и работать достаточно быстро. Кроме того, как отмечают The Smithsonian Magazine и Sustainability Magazine, дата-центры искусственного интеллекта, заполненные GPU, потребляют огромное количество электроэнергии (в основном из невозобновляемых источников) и воды, зачастую в засушливых регионах.

Прорыв в оптических вычислениях

На помощь приходят учёные Юфэн Чжан (Photonics Group, Университет Аалто) и Сяобин Лю (Китайская академия наук, Чанчунь). В своей статье в Nature Photonics они представили вычислительный метод, использующий однократное прохождение света — так называемые «однократные тензорные вычисления на скорости света в параллельном оптическом умножении матриц» (POMMM).

Этот подход приближает создание искусственного общего интеллекта на шаг ближе. Как объясняет Чжан, их метод выполняет те же операции, что и современные GPU (например, свёртки и слои внимания), но делает это на скорости света. Вместо традиционного двоичного кодирования информации с помощью электронных схем, использующих сигналы из единиц и нулей, исследователи применяют амплитуду и фазу световых волн для хранения, обработки и передачи данных. Это не только экономит энергию, но и значительно увеличивает пропускную способность и скорость обработки, позволяя выполнять множество процессов одновременно.

Как работает оптическая обработка данных

Взаимодействие световых полей естественным образом приводит к выполнению математических операций, включая тензорные умножения. Тензорная обработка организует данные в многомерные массивы (тензоры), что лежит в основе алгоритмов глубокого обучения, анализа данных, обработки естественного языка и распознавания изображений.

Однако современные оптические методы плохо справляются с тензорными задачами, что ограничивает их применение в нейронных сетях и других сложных приложениях. Новый метод команды из Аалто предлагает значительный прорыв: использование нескольких длин волн света позволяет обрабатывать даже самые сложные тензорные операции.

Аналогия: сортировка посылок

Чтобы объяснить разницу между электронными и оптическими вычислениями, Чжан приводит аналогию с сортировкой посылок. Представьте, что вы таможенник, который должен проверить каждую посылку на нескольких машинах с разными функциями, а затем рассортировать их по нужным ящикам. Обычно вы бы обрабатывали каждую посылку по одной. Оптический метод объединяет все посылки и машины, создавая множество «оптических крючков», которые соединяют каждый вход с нужным выходом. За одну операцию, за один проход света, все проверки и сортировка происходят мгновенно и параллельно.

Параллельная тензорная обработка

Параллельная тензорная обработка (tensor model parallel, TP) — это стратегия для глубокого обучения, при которой несколько устройств обрабатывают компоненты одной модели, что позволяет быстрее вычислять более крупные модели. Чем больше участников, тем легче работа — или, в данном случае, работа на скорости света.

Перспективы внедрения

По словам Чжипея Суна, руководителя Photonics Group Университета Аалто, новый метод может работать практически на любой оптической платформе. Команда планирует интегрировать вычислительную структуру непосредственно в фотонные чипы, чтобы световые процессоры могли выполнять сложные задачи ИИ с минимальным энергопотреблением.

Если метод окажется успешным, его планируют внедрить для интеграции с существующим оборудованием и основными платформами в течение пяти лет. Это создаст новое поколение оптических вычислительных систем, значительно ускоряя выполнение сложных задач искусственного интеллекта в самых разных областях.