Фотонные вычисления без конвертации сигналов
Исследователи из Университета Сидянь представили прорывную разработку в области нейроморфных систем. Им удалось создать архитектуру, выполняющую обучение с подкреплением исключительно на базе фотонов. В отличие от существующих решений, новая система не требует преобразования световых сигналов в электрические импульсы, что устраняет критические задержки и потери энергии.
Решение фундаментальных проблем
До настоящего момента фотонные нейронные сети были ограничены линейными операциями и «жесткой» аппаратной архитектурой. Китайским ученым удалось преодолеть эти барьеры:
- Созданы массивы нелинейных фотонных спайковых нейронов с ультранизким порогом срабатывания.
- Разработан полностью программируемый фотонный чип, поддерживающий аппаратное обучение.
- Внедрена система, способная реализовывать обучение с подкреплением без участия внешних электронных процессоров.
Архитектура и производительность
Система состоит из двух специализированных чипов: 16-канального нейроморфного процессора (на базе интерферометров Маха — Зендера) и модуля лазеров с насыщаемым поглотителем. Тестирование на задачах балансировки CartPole и Pendulum показало высокую точность — отклонение от программных моделей составило всего 1,5–2 %.
Технические показатели системы сопоставимы с современными графическими ускорителями, но при этом обладают уникальным преимуществом — задержка вычислений составляет всего 320 пикосекунд. Энергоэффективность линейных операций достигает 1,39 TOPS/Вт, что делает технологию крайне перспективной для автономной робототехники.
Перспективы развития
В ближайших планах разработчиков — масштабирование системы до 128 каналов и создание гибридно-интегрированных чипов. Подобные решения могут лечь в основу будущих систем автопилота и периферийных вычислений, где критически важна скорость реакции и минимальное энергопотребление. Работа ученых была детально описана в издании Optica.
