۱۴ نوامبر ۲۰۲۵، امیر خُلَم-تصویرسازی از عملکرد نور تانسور (چپ) مدار مجتمع فوتونیک (راست)
تصویرسازی از عملکرد نور تانسور (چپ) مدار مجتمع فوتونیک (راست) گروه فوتونیک / دانشگاه آلتو و دانشنامه فوتونیک RP
محققان یک روش محاسبات نوری جدید را نشان داده‌اند که عملیات پیچیده تانسوری را در یک عبور نور انجام می‌دهد. این پیشرفت می‌تواند نحوه پردازش داده‌ها توسط سیستم‌های مدرن هوش مصنوعی را تغییر شکل دهد و فشار رو به رشد بر روی سخت‌افزارهای دیجیتال معمولی را کاهش دهد.
عملیات تانسور تقریباً هر وظیفه هوش مصنوعی امروزی را هدایت می‌کند. پردازنده‌های گرافیکی آنها را به خوبی انجام می‌دهند، اما افزایش داده‌ها محدودیت‌هایی را در سرعت، راندمان انرژی و مقیاس‌پذیری آشکار کرده است.
این فشار، یک تیم بین‌المللی به رهبری دکتر یوفنگ ژانگ از دانشگاه آلتو را بر آن داشت تا فراتر از مدارهای الکترونیکی را بررسی کند.
این گروه «محاسبات تانسوری تک‌شات» را توسعه داده‌اند، تکنیکی که از خواص فیزیکی نور برای پردازش داده‌ها استفاده می‌کند. امواج نور دارای دامنه و فاز هستند.این تیم اطلاعات دیجیتال را در این خواص رمزگذاری کرده و به امواج اجازه می‌دهد تا هنگام حرکت با هم تعامل داشته باشند. این تعامل همان عملیات ریاضی سیستم‌های یادگیری عمیق را انجام می‌دهد.
دکتر ژانگ می‌گوید: «روش ما همان نوع عملیاتی را انجام می‌دهد که پردازنده‌های گرافیکی امروزی انجام می‌دهند، مانند پیچش‌ها و لایه‌های توجه، اما همه آنها را با سرعت نور انجام می‌دهد.»
او می‌افزاید که این سیستم از سوئیچینگ الکترونیکی اجتناب می‌کند زیرا عملیات نوری به طور طبیعی در طول انتشار آشکار می‌شوند.
محققان با افزودن چندین طول موج نور، این روش را پیشرفت دادند. هر طول موج مانند کانال محاسباتی خود رفتار می‌کند، که به سیستم اجازه می‌دهد عملیات تانسور مرتبه بالاتر را به صورت موازی پردازش کند.
ژانگ این فرآیند را با اداره یک مرکز گمرکی مقایسه می‌کند که در آن هر بسته از مراحل بررسی زیادی عبور می‌کند. او توضیح می‌دهد: «تصور کنید شما یک مأمور گمرک هستید که باید هر بسته را از طریق چندین دستگاه با عملکردهای مختلف بررسی کنید و سپس آنها را در سطل‌های مناسب مرتب کنید.»
نقل قول کامل با تشبیه او در مورد ادغام بسته‌ها و ماشین‌ها در یک مرحله ادامه می‌یابد. تیم می‌گوید این نشان می‌دهد که چگونه «قلاب‌های نوری» آنها هر ورودی را در یک عملیات واحد به خروجی مناسب متصل می‌کنند.
مزیت دیگر سادگی است. تعاملات به صورت غیرفعال اتفاق می‌افتند. هیچ مدار کنترل خارجی محاسبات را مدیریت نمی‌کند. این امر مصرف برق را کاهش می‌دهد و ادغام سیستم را آسان‌تر می‌کند.
پروفسور ژیپی سان، که رهبری گروه فوتونیک آلتو را بر عهده دارد، می‌گوید که این روش در بسیاری از پلتفرم‌های نوری کار می‌کند. او می‌گوید: «در آینده، ما قصد داریم این چارچوب محاسباتی را مستقیماً روی تراشه‌های فوتونی ادغام کنیم و پردازنده‌های مبتنی بر نور را قادر سازیم تا وظایف پیچیده هوش مصنوعی را با مصرف برق بسیار کم انجام دهند.»
این تیم انتظار دارد که این فناوری به زودی به سخت‌افزار تجاری منتقل شود. دکتر ژانگ می‌گوید هدف این است که این روش را روی پلتفرم‌های ساخته شده توسط شرکت‌های بزرگ مستقر کنیم. او ادغام را ظرف سه تا پنج سال تخمین می‌زند.
محققان استدلال می‌کنند که چنین سیستم‌هایی می‌توانند حجم کار هوش مصنوعی را در زمینه‌هایی که به پردازش بلادرنگ متکی هستند، سرعت بخشند.
این موارد شامل تصویربرداری، مدل‌های زبانی بزرگ و شبیه‌سازی‌های علمی می‌شود. روش‌های نوری همچنین نویدبخش مصرف انرژی کمتر هستند، که با گسترش مدل‌های هوش مصنوعی، نگرانی فزاینده‌ای است.
ژانگ نتیجه می‌گیرد: «این امر نسل جدیدی از سیستم‌های محاسبات نوری را ایجاد خواهد کرد که به طور قابل توجهی وظایف پیچیده هوش مصنوعی را در طیف وسیعی از زمینه‌ها تسریع می‌کند.»
این مطالعه در مجله Nature Photonics منتشر شده است.
