இன்றைய மிகக் கடுமையான மெஷின்-லெர்னிங் பயன்பாடுகளுக்கு சக்தி அளிக்கும் டீப் நியூரல் நெட்வொர்க் மாதிரிகள் மிகவும் பெரியதும் சிக்கலானதும் ஆகி, பாரம்பரிய மின்னணு கணிப்புத் தளங்களின் எல்லைகளைத் தள்ளி நிறுத்துகின்றன. ஒளியை பயன்படுத்தி கணிப்புகளைச் செய்யும் ஃபோட்டானிக் ஹார்ட்வேர், வேகமானதும், ஆற்றல் சிக்கனமானதும் ஆகும். இருப்பினும், சமீப காலம் வரை, சில வகை நியூரல் நெட்வொர்க் கணிப்புகளை ஃபோட்டானிக் சாதனங்கள் செய்ய முடியவில்லை; இதனால் சிபுக்கு வெளியே மின்னணு சாதனங்கள் தேவைப்பட்டு, வேகம் மற்றும் திறனை குறைத்தன.
கணினி கலை நுண்ணறிவுத் தளத்தின் எதிர்காலத்தை மறுஅளவில் வரையறுக்கும் வகையில், 2025 ஏப்ரலில் Lightmatter நிறுவனம் தனது புரட்சிகரமான Envise ஃபோட்டானிக் கணிப்புச் சிபை அறிமுகப்படுத்தியது. இது ஏஐ பணிகளை வேகமாகச் செய்யும் போது ஆற்றல் செலவைக் கணிசமாக குறைக்க வடிவமைக்கப்பட்டுள்ளது. மின்னணுக்களுக்கு பதிலாக ஒளியை கணிப்புகளுக்காக பயன்படுத்தும் Envise சிப், பாரம்பரிய சிலிக்கான் சிப்களின் அதிகப்படியான செயல்திறன் குறைபாடுகளுக்கு தீர்வாகும், குறிப்பாக ஏஐ மாதிரிகள் மிகப்பெரிய கணிப்புத் திறனை நாடும் இந்தக் காலகட்டத்தில். $4.4 பில்லியன் மதிப்பீட்டுடன், $850 மில்லியன் முதலீட்டுக்குப் பிறகு, Lightmatter நிறுவனம் புதிய கணிப்பு பரிமாணத்தின் முன்னணியில் தன்னை நிலைநிறுத்தியுள்ளது.
Lightmatter நிறுவனத்தின் ஃபோட்டானிக் செயலிகள், குறிப்பாக டீப் லெர்னிங்கில் முக்கியமான டென்சர் கணிப்புகளை, ஒளி வழியாகச் செய்கின்றன. ஒளி வழிகாட்டிகள் மற்றும் லென்ஸ்கள் போன்ற ஒளி கூறுகளை பயன்படுத்தி, இந்தச் சிப்கள் கணிப்புகளை ஒளியின் வேகத்தில் செய்கின்றன; இது மின்னணு கணிப்புகளுக்கு நிகரான துல்லியத்துடன், மிகக் குறைந்த மின் சக்தியை மட்டுமே பயன்படுத்துகிறது. எடுத்துக்காட்டாக, அவர்களின் ஃபோட்டானிக் செயலி, 65.5 டிரில்லியன் Adaptive Block Floating-Point 16-பிட் செயல்பாடுகளை ஒரு விநாடிக்கு 78 வாட் மின் சக்தியில் செய்கிறது.
இதே நேரத்தில், Q.ANT நிறுவனம் தனது ஃபோட்டானிக் Native Processing Server (NPS)-ஐ 2025 ஜூனில் ISC கண்காட்சியில் 시றுவாகக் காட்டியது. Q.ANT-இன் Light Empowered Native Arithmetic (LENA) கட்டமைப்பில் உருவாக்கப்பட்ட NPS, பாரம்பரிய தொழில்நுட்பங்களை விட 30 மடங்கு அதிக ஆற்றல் சிக்கனத்துடன் செயல்படுகிறது. இதன் சிறப்பம்சங்களில்: 16-பிட் பாய்டிங் பாயிண்ட் துல்லியம், அனைத்து கணிப்புகளுக்கும் 99.7% துல்லியம், சமமான வெளியீட்டிற்கு 40–50% குறைந்த கணிப்புகள், மற்றும் செயல்பாட்டிற்காக தனி குளிரூட்டும் வசதி தேவையில்லை என்பன அடங்கும்.
செயல்திறன் மேம்பாடுகளைத் தாண்டி, சிறிய அளவிலான குவாண்டம் கணிப்புக் கருவிகளும், புதிய ஃபோட்டானிக் குவாண்டம் சுற்றுகள் மூலம் மெஷின் லெர்னிங் செயல்திறனை மேம்படுத்த முடியும் என்பதை ஆராய்ச்சியாளர்கள் நிரூபித்துள்ளனர். இன்றைய குவாண்டம் தொழில்நுட்பம் வெறும் பரிசோதனை மட்டுமல்ல; குறிப்பிட்ட பணிகளில் இது பாரம்பரிய கணிப்புகளை விட சிறப்பாக செயல்பட முடியும் என அவர்கள் கண்டுள்ளனர். குறிப்பாக, இந்த ஃபோட்டானிக் அணுகுமுறை ஆற்றல் செலவைக் கணிசமாக குறைக்கக்கூடியது; இது மெஷின் லெர்னிங் கணிப்புத் தேவைகள் அதிகரிக்கும் நிலையில், நிலையான வளர்ச்சி பாதையை வழங்கும்.
நுண்ணறிவு தொழில்நுட்பம் வேகமாக முன்னேறிக்கொண்டிருக்கும் நிலையில், அதிகப்படியான கணிப்புத் தேவைகள்—முக்கியமாக ChatGPT போன்ற ஜெனரேட்டிவ் ஏஐ மாதிரிகள் பயன்படுத்தும் கடுமையான இன்ஃபரன்ஸ் பணிகளில்—பாரம்பரிய மின்னணு கணிப்புத் தளங்களுக்கு சவாலாக உள்ளது. ஃபோட்டானிக்ஸ் தொழில்நுட்பத்தில் ஏற்பட்ட முன்னேற்றங்கள், ஃபோட்டானிக் கணிப்பை ஒரு வலுவான ஏஐ கணிப்பு வழிமுறையாக மாற்றியுள்ளது. ஏஐ மற்றும் ஃபோட்டானிக்ஸ் தொழில்நுட்பங்களின் ஆழமான இணைப்பு மூலம், 'இன்டெலிஜென்ட் ஃபோட்டானிக்ஸ்' என்ற புதிய பன்னுறுப்புத் துறை உருவாகி வருகிறது; இது நடைமுறை பயன்பாடுகளில் புரட்சியை ஏற்படுத்தும் திறன் கொண்டது.