I ett betydande genombrott för hårdvara inom artificiell intelligens har forskare visat hur glasfibrer kan ersätta kisel som grund för nästa generations AI-bearbetningssystem.
De samarbetande forskargrupperna från Tammerfors universitet i Finland och Université Marie et Louis Pasteur i Frankrike har framgångsrikt visat att intensiva laserpulser genom ultratunna glasfibrer kan utföra AI-liknande beräkningar i enastående hastigheter. Deras arbete, som publicerats i Optics Letters, demonstrerar en ny databehandlingsarkitektur kallad Extreme Learning Machine (ELM), inspirerad av neurala nätverk.
"Istället för att använda konventionell elektronik och algoritmer sker beräkningen genom att utnyttja den icke-linjära interaktionen mellan intensiva ljuspulser och glaset", förklarar postdoktorerna Dr. Mathilde Hary och Dr. Andrei Ermolaev, som ledde studien. Forskarna använde femtosekundslaserpulser—en miljard gånger kortare än en kamerablixt—som koncentrerades till ett område mindre än en bråkdel av ett mänskligt hårstrå för att demonstrera sitt optiska ELM-system.
Detta tillvägagångssätt erbjuder betydande fördelar jämfört med traditionell elektronisk databehandling. Medan konventionell elektronik närmar sig sina gränser vad gäller bandbredd, datagenomströmning och energiförbrukning, kan optiska fibrer omvandla insignaler tusentals gånger snabbare och förstärka små skillnader genom icke-linjära interaktioner så att de blir urskiljbara.
Implikationerna för AI är djupgående. I takt med att AI-modeller fortsätter att växa och kräva mer energi blir begränsningarna hos elektronisk bearbetning allt tydligare. Optisk databehandling kan erbjuda en lösning genom att dramatiskt öka bearbetningshastigheten samtidigt som energiförbrukningen potentiellt minskar—en avgörande faktor när AI-system skalas upp.
"Genom att förena fysik och maskininlärning öppnar vi nya vägar mot ultrasnabb och energieffektiv AI-hårdvara", säger professor Goëry Genty, en av forskningsledarna. Teamet siktar på att så småningom bygga optiska system på chip som kan fungera i realtid och utanför laboratoriemiljöer.
Forskningen, som finansierats av Finlands Akademi, det franska nationella forskningsrådet och Europeiska forskningsrådet, pekar på potentiella tillämpningar som sträcker sig från realtidsignalbehandling till miljöövervakning och höghastighets-AI-inferens. I takt med att traditionell kiselbaserad databehandling närmar sig sina fysiska gränser kan detta genombrott inom optisk databehandling representera framtiden för AI-bearbetningsteknik.