Современные системы искусственного интеллекта, такие как роботизированная хирургия и высокочастотная торговля, требуют обработки больших потоков данных в реальном времени. Быстрое выделение ключевых признаков становится критически важным, однако традиционные цифровые процессоры сталкиваются с физическими ограничениями и не способны обеспечить необходимое снижение задержек или увеличение пропускной способности для современных задач.

Оптические вычисления как решение

Исследователи рассматривают оптические вычисления как перспективный способ преодоления этих ограничений. Использование света вместо электричества для выполнения сложных вычислений позволяет значительно повысить скорость и эффективность обработки данных. Одним из наиболее интересных подходов являются оптические дифракционные операторы — тонкие пластины, которые выполняют математические операции при прохождении через них света. Такие системы способны одновременно обрабатывать множество сигналов с низким энергопотреблением. Однако поддержание стабильного когерентного света на частотах выше 10 ГГц оказалось крайне сложной задачей.

Прорыв в оптической обработке данных

Для решения этой проблемы команда под руководством профессора Хунвэя Чэня из Университета Цинхуа (Китай) разработала устройство Optical Feature Extraction Engine (OFE2). В статье, опубликованной в Advanced Photonics Nexus, представлен новый способ высокоскоростного оптического извлечения признаков, подходящий для различных практических применений.

Ключевым достижением OFE2 стала инновационная система подготовки данных. Обеспечение быстрых параллельных оптических сигналов для основных компонентов без потери фазовой стабильности — одна из главных задач в этой области. Волоконные системы часто вызывают нежелательные фазовые колебания при разделении и задержке света. Команда из Цинхуа решила эту проблему, создав полностью интегрированную чиповую систему с регулируемыми делителями мощности и точными линиями задержки. Такая архитектура преобразует последовательные данные в несколько синхронизированных оптических каналов. Кроме того, интегрированная фазовая матрица позволяет легко перенастраивать OFE2 для различных вычислительных задач.

Принцип работы OFE2

После подготовки оптические сигналы проходят через дифракционный оператор, который выполняет извлечение признаков. Этот процесс аналогичен умножению матрицы на вектор: световые волны взаимодействуют и формируют сфокусированные «яркие пятна» в определённых выходных точках. Точная настройка фазы входного света позволяет направлять эти пятна к выбранным выходным портам, что даёт возможность OFE2 фиксировать тонкие изменения входных данных во времени.

OFE2 работает на частоте 12,5 ГГц и выполняет одно умножение матрицы на вектор за 250,5 пикосекунды — это самый быстрый результат для данного типа оптических вычислений. Устройство было протестировано в различных областях.

Применение и эффективность

В обработке изображений OFE2 успешно выделял краевые признаки, создавая парные карты «рельефа и гравировки», что повышало точность классификации изображений и распознавания органов на КТ-снимках. Системы с OFE2 требовали меньше электронных параметров, чем стандартные модели ИИ, что подтверждает эффективность оптической предобработки для гибридных нейросетей.

OFE2 также применялся в цифровой торговле, где обрабатывал рыночные данные в реальном времени для генерации торговых решений. После обучения оптимизированным стратегиям устройство преобразовывало входящие ценовые сигналы непосредственно в торговые действия, обеспечивая стабильную прибыль. Благодаря высокой скорости вычислений трейдеры могли реагировать практически без задержки.

Перспективы развития

Эти достижения свидетельствуют о значительном прогрессе в области вычислений. Перенос наиболее ресурсоёмких этапов обработки ИИ с электронных чипов на сверхбыстрые фотонные системы, такие как OFE2, может открыть новую эру энергоэффективного искусственного интеллекта в реальном времени. Подобные технологии способны поддерживать вычислительно сложные сервисы в сферах распознавания изображений, медицины и цифровых финансов.