Свет, который думает, не нагреваясь
«Учёные предложили полностью фотонную сверточную нейронную сеть для классификации изображений MNIST, которая работает исключительно в оптическом домене, достигая высокой точности и энергоэффективности.»
Стоп, что?
Это не просто ускоритель. Это полный отказ от кремниевой логики.
Представьте, что вы пытаетесь объяснить сложную идею, переводя её с английского на русский, а потом обратно на английский для каждого предложения. Примерно так работают сегодняшние гибридные «оптоэлектронные» нейросети: свет несёт данные, но для вычислений их постоянно переводят в электричество и обратно. Это медленно и расточительно. Новая система говорит на языке света от начала до конца.
Как это работает:
- Ядро: Вместо транзисторов — матрицы интерферометров Маха-Цендера. Они манипулируют световыми лучами, выполняя свёртку — основную математическую операцию в распознавании образов.
- Память и активация: Данные кодируются разными длинами волн света (спектральное мультиплексирование). Нелинейность, «искру» нейросети, создают микрорезонаторы.
- Обучение призрака: Систему нельзя обучать напрямую — физические параметры слишком хрупки. Сначала её «цифрового двойника» тренируют на компьютере. Затем финальную настройку проводят в реальном чипе с помощью адаптивного алгоритма (SPSA), который слегка «дёргает» настройки и смотрит, становится ли лучше.
- Результаты: Точность на MNIST — 94%. Ключевой прорыв — устойчивость. Точность падает всего на 0.43% даже при сильных тепловых помехах. И главное: энергоэффективность. Одна операция распознавания образа в этой фотонной сети требует в 100–242 раза меньше энергии, чем на самом современном электронном GPU.
Что это значит для вас
Это не про то, чтобы сделать ChatGPT быстрее. Это про то, чтобы встроить почти пассивный, холодный интеллект в объектив камеры, в датчик беспилотника, в стекло очков дополненной реальности. Вопрос не в том, заменят ли такие чипы NVIDIA. Вопрос в том, какие устройства станут «умными» там, где раньше нельзя было даже поставить батарейку.