الذكاء الاصطناعي
تدريب الذكاء الاصطناعي باستخدام الألياف الضوئية: قفزة تعتمد على الضوء
تلتزم Securities.io بمعايير تحريرية صارمة، وقد تتلقى تعويضات عن الروابط المُراجعة. لسنا مستشارين استثماريين مُسجلين، وهذه ليست نصيحة استثمارية. يُرجى الاطلاع على كشف التابعة لها.
لماذا يمكن للألياف الضوئية أن تحل محل الكهرباء في الحوسبة القائمة على الذكاء الاصطناعي؟
منذ الأيام الأولى ل الحوسبةتعتمد جميع أجهزة الكمبيوتر تقريبًا على الحسابات باستخدام الكهرباء بطريقة أو بأخرى، بدءًا من الأنابيب المفرغة القديمة وحتى رقائق السيليكون النانومترية الحديثة.
مع تزايد صغر حجم رقائق السيليكون، بدأ الباحثون في البحث عن طرق جديدة لبناء أجهزة كمبيوتر يمكنها دفع قدراتنا إلى ما هو أبعد من رقائق السيليكون، وهو موضوع استكشفناه في "أفضل 10 شركات حوسبة غير سيليكونية".
تشمل هذه الأساليب استخدام مواد مختلفة، مثل كربيد الكربون، وثاني أكسيد الفاناديوم، والمواد العضوية، أو الجرافين. ومن الطرق الأخرى تغيير طريقة الحوسبة، والابتعاد عن البرمجة الثنائية للحوسبة القائمة على الكهرباء، والتي تشمل الحوسبة الكمومية والفوتونيات.
تستخدم الفوتونيات الضوء بدلًا من الكهرباء لتشفير المعلومات ونقلها. ومع ذلك، حتى الآن، لا يزال يُحوَّل في نهاية المطاف إلى إشارة ثنائية، مما يُفشل عملية حسابية تعتمد كليًا على الضوء.
لقد تغير هذا مع عمل باحثين في جامعة تامبيري (فنلندا) وجامعة ماري ولويس باستور (بيزانسون، فرنسا). استخدموا الألياف الضوئية لإجراء حسابات فائقة السرعة، ونشروا نتائجهم في المجلة العلمية Optics Letters.1، تحت عنوان "حدود انتشار الألياف غير الخطية والمشتتة لآلة التعلم المتطرفة القائمة على الألياف الضوئية".
حدود تدريب الذكاء الاصطناعي التقليدي باستخدام الأنظمة الإلكترونية
تصل عمليات تدريب الذكاء الاصطناعي ومعالجة البيانات إلى حدودها القصوى من حيث الكفاءة، حيث أصبحت عمليات الحوسبة التي تعتمد على الذكاء الاصطناعي مقيدة بشكل متزايد باستهلاك الطاقة وسرعة معالجة البيانات.
في المقابل، تتمتع الحسابات المعتمدة على الضوء بإمكانية أن تكون أسرع بآلاف المرات، ويمكنها ترميز البيانات إلى فروق دقيقة في الطاقة، مما يجعلها أكثر كفاءة. لكن المشكلة تكمن في أنه لم يُجرَ أي حساب مباشر باستخدام الضوء حتى الآن.
اعتمد عمل الباحثين على فئة معينة من بنية الحوسبة المعروفة باسم آلة التعلم المتطرفة (ELM)، وهو نهج مستوحى من الشبكات العصبية.
من بين بعض مزاياها، يمكن لـ ELMs التعلم من بيانات التدريب في خطوة واحدة وهي خوارزمية بسيطة نسبيًا.
كقاعدة عامة، من غير المرجح أن يكون ELM مفيدًا للمهام المعقدة للغاية التي تتطلب طبقات متعددة من تدريب الذكاء الاصطناعي، ولكنه يمكن أن يعمل بشكل جيد للغاية وبكفاءة أكبر لمهام محددة، مثل التعرف البصري على سبيل المثال.
كيف قام الباحثون بترميز الصور باستخدام الألياف البصرية
استخدم الباحثون نبضات ليزر فيمتوثانية (أقصر بمليار مرة من وميض الكاميرا) وألياف بصرية تحصر الضوء في منطقة أصغر من جزء بسيط من شعرة الإنسان لبناء نظام ELM البصري.
إن نبضات الليزر قصيرة بما يكفي لاحتواء عدد كبير من الأطوال الموجية أو الألوان المختلفة، مما يؤدي إلى إنشاء مجموعة بيانات غنية.
ثم قاموا بإرسال هذه البيانات إلى الألياف مع تأخير نسبي مشفر وفقًا للصورة.
المصدر جامعة تامبيري
دور البصريات غير الخطية في معالجة الذكاء الاصطناعي
لقد تم تحويل هذا الشكل من ترميز البيانات من خلال التفاعل غير الخطي بين الضوء والزجاج.
البصريات الخطية هي البصريات المنتظمة التي يتم تدريسها في المدرسة، حيث يتفاعل الضوء مباشرة مع المنشور، على سبيل المثال.
في البصريات غير الخطية، يعتمد رد فعل الوسط الذي يمر فيه الضوء على طول موجة الضوء وكثافته واتجاهه واستقطابه.
يمكن للمكونات البصرية غير الخطية أن تتسبب في اندماج فوتونات ذات ترددات مختلفة وإنشاء فوتونات جديدة بترددات جديدة.
"بدلاً من استخدام الإلكترونيات والخوارزميات التقليدية، يتم إجراء الحسابات من خلال الاستفادة من التفاعل غير الخطي بين نبضات الضوء المكثفة والزجاج."
تمكنت خوارزمية التفاعل غير الخطي وآلة التعلم المتطرفة (ELM) من تدريب الذكاء الاصطناعي على تصنيف الأرقام المكتوبة بخط اليد (مثل تلك المستخدمة في معيار الذكاء الاصطناعي MNIST).
المصدر رسائل البصريات
وصلت أفضل الأنظمة إلى دقة تزيد عن 91%، وهي قريبة من الأساليب الرقمية الحديثة.
وما يجعل النتيجة استثنائية هو أنه تم تحقيقها في أقل من بيكو ثانية واحدة، أو واحد على تريليون من الثانية (0.000000000001 ثانية).
التحسين المثالي
ولم تتحقق أفضل النتائج عند أقصى مستوى للتفاعل غير الخطي أو التعقيد.
وبدلاً من ذلك، فإنها تتطلب توازناً دقيقاً بين طول الألياف، والتشتت (الفرق في سرعة الانتشار بين الأطوال الموجية المختلفة)، ومستويات الطاقة.
الأداء لا يقتصر على زيادة الطاقة عبر الألياف، بل يعتمد على دقة تركيب الضوء في البداية، أي كيفية ترميز المعلومات، وكيفية تفاعلها مع خصائص الألياف.
هل تشكل أجهزة الكمبيوتر المزودة بالألياف الضوئية مستقبل الذكاء الاصطناعي؟
يُعد تدريب الذكاء الاصطناعي باستخدام الضوء فقط تحولاً جذرياً عن جميع الطرق المستخدمة حتى الآن. من غير المرجح أن تكون هذه الطريقة مناسبة لجميع أنواع البيانات، ولكن بالنسبة للبيانات التي يمكن تطبيقها فيها، قد تُحقق نتائج أكثر كفاءةً من حيث الطاقة بألف مرة، وأسرع بمليون مرة.
"تُظهر نماذجنا كيف تؤثر التشتت واللاخطية وحتى الضوضاء الكمومية على الأداء، مما يوفر معرفة بالغة الأهمية لتصميم الجيل التالي من أنظمة الذكاء الاصطناعي البصرية الإلكترونية الهجينة."
على الأرجح، يعني هذا النهج تفويض بعض حسابات الذكاء الاصطناعي إلى جهاز ألياف ضوئية غير خطي مُصمم خصيصًا لهذه المهمة. لذا، تُعدّ المهام المتكررة، مثل التعرف البصري، الخيار الأمثل مقارنةً بمعالجة بيانات جديدة.
يُظهر هذا العمل كيف يُمكن للأبحاث الأساسية في مجال الألياف الضوئية غير الخطية أن تُسهم في تطوير مناهج جديدة في الحوسبة. ومن خلال دمج الفيزياء والتعلم الآلي، نفتح آفاقًا جديدة نحو أجهزة ذكاء اصطناعي فائقة السرعة وموفرة للطاقة.
تتراوح التطبيقات المحتملة من معالجة الإشارات في الوقت الفعلي إلى مراقبة البيئة واستدلال الذكاء الاصطناعي عالي السرعة.
ومع ذلك، فإن هذا العمل لا يزال في مرحلة إثبات المبادئ الأساسية للتقنية، وهو بعيد كل البعد عن الخطوة التجارية.
ومع ذلك، فإنه يوضح أن الفوتونيات من المرجح أن تصبح جزءًا مهمًا بشكل متزايد من صناعة الحوسبة في المستقبل، حيث يمكن للضوء أن يكون متفوقًا على الكهرباء في بعض تطبيقات الحوسبة لأسباب فيزيائية أساسية.
أفضل شركة ليزر وفوتونيات مدرجة في البورصة
متماسك (مارلو الثاني إلى السادس):رائدة في مجال ابتكار الليزر
(COHR )
كوهيرنت هي تكتل صناعي ضخم يضم أكثر من 26,000 موظف، وهي رائدة في مجال تكنولوجيا الليزر. نتجت عن اندماج شركة مارلو للمواد المتقدمة II-VI مع شركة كوهيرنت لتصنيع الليزر.
تعتبر الشركة خبيرة في المواد المتقدمة المستخدمة في الليزر والبصريات والضوئيات، مثل فوسفيد الإنديوم والرقائق الفوقي وزرنيخيد الغاليوم.
وقد شهدت الشركة نمواً كبيراً بفضل عمليات الاستحواذ المتعددة على مدى العقد الماضي، من 600 مليون دولار من الإيرادات في عام 2013 إلى 4.7 مليار دولار في عام 2024.
تستمد الشركة 29% من إيراداتها من الليزر مباشرةً، بينما يرتبط الباقي بالمعدات المرتبطة به مثل الألياف الضوئية والإلكترونيات. تشمل فئة الأجهزة في الغالب أجهزة قياس العمر الافتراضي.
العلوم والتطبيقات الطبية.
المصدر متماسك
وجود الشركة في المواد المتقدمة مثل الخلايا الكهروضوئية الحرارية (والتي ناقشنا في المقال السابقوتساعدها التكنولوجيا المتقدمة مثل كربيد السيليكون والليزر والإلكترونيات على الاستفادة من الاتجاهات الهيكلية مثل نمو التصنيع الدقيق والتصنيع الإضافي (الطباعة ثلاثية الأبعاد) والكهرباء والطاقات المتجددة.
الشركة لديها قامت مؤخرًا بفصل أعمال كربيد السيليكون الخاصة بها إلى كيان جديد، مملوك بنسبة 75٪ لشركة Coherent، مع ملكية الباقي بالتساوي بين شركائها ميتسوبيشي إلكتريك (التي تقدم طاقة كربيد السيليكون) ودينسو (التي تقدم نشاطها كمورد للسيارات في مجال الكهربة وأشباه الموصلات للطاقة).
ويرجع ذلك إلى أن كربيد السيليكون أصبح بشكل متزايد تقنية خاصة به، ويستخدم في الغالب في التطبيقات عالية الطاقة مثل السيارات الكهربائية والبطاريات والطاقة المتجددة.
المتماسك هو القائد في مجال LIDAR والاستشعار الرقمي ثلاثي الأبعاد، بما في ذلك تطبيقات القيادة الذاتية, التكنولوجيا الحيوية خلايا التدفق التسلسلي للجيل التالي (NGS)و الليزر لتصنيع أشباه الموصلاتوتتوقع الشركة أن تنمو أسواقها الرئيسية بنسبة تتراوح بين 8% و20%.
المصدر متماسك
ويمكن للتطبيقات الجديدة المحتملة الأخرى لليزر، مثل أسلحة الطاقة المباشرة، والحوسبة الفوتونية، والاندماج النووي، وتكنولوجيا الفضاء، أن تساعد جميعها على دعم النمو الطويل الأجل للشركة.
بشكل عام، تعتبر شركة Coherent أقرب ما يمكن إلى شركة ليزر عامة متداولة في البورصة للمستثمرين المهتمين بالقطاع، مع تكامل رأسي قوي وأكثر من 3,100 براءة اختراع تحمي ابتكاراتها.
مع تقدم علم الفوتونيات، فإنه سوف يزيد تدريجيا الطلب على أنظمة الليزر فائقة السرعة والدقة، فضلا عن الليزر المستخدم في الاتصالات البصرية.
أحدث أخبار وتطورات أسهم Coherent (COHR)
الدراسة المرجعية
1. أندريه في. إرمولايف، ماتيلد هاري، وآخرون. حدود انتشار الألياف غير الخطية والمشتتة لآلة التعلم المتطرفة القائمة على الألياف الضوئية. رسائل البصريات. المجلد 50، العدد 13، ص 4166-4169 (2025) https://doi.org/10.1364/OL.562186
