الذكاء الاصطناعي
تدريب الذكاء الاصطناعي باستخدام الألياف الضوئية: قفزة معتمدة على الضوء
لماذا قد تحل الألياف الضوئية محل الكهرباء في حوسبة الذكاء الاصطناعي
Since the early days of الحوسبة, almost all computers have been based on calculations using electricity in one way or another, from antique vacuum tubes to modern nanometer-scale silicon chips.
مع تصغير شرائح السيليكون أكثر فأكثر، يبحث الباحثون عن طرق جديدة لبناء حواسيب يمكنها دفع قدراتنا إلى ما هو أبعد من شرائح السيليكون، وهو موضوع استكشفناه في “أفضل 10 شركات حوسبة غير سيليكونية”.
تشمل هذه الأساليب استخدام مواد مختلفة، مثل كربيد الكربون، فانديميت أكسيد الفاناديوم، المواد العضوية، أو الجرافين، على سبيل المثال. طريقة أخرى هي تغيير طريقة الحوسبة، بالابتعاد عن البرمجة الثنائية للحوسبة القائمة على الكهرباء، والتي تشمل الحوسبة الكمومية والفوتونيات.
تستخدم الفوتونيات الضوء بدلاً من الكهرباء لتشفير ونقل المعلومات. ومع ذلك، حتى الآن، يتم تحويلها في النهاية إلى إشارة ثنائية، مما يفشل في تشكيل شكل حوسبة يعتمد بالكامل على الضوء.
تغير ذلك بفضل عمل الباحثين في جامعة تامبيري (فنلندا) وجامعة ماري ولويس باستور (بيسانسون، فرنسا). استخدموا الألياف الضوئية لإجراء حسابات فائقة السرعة ونشروا نتائجهم في المجلة العلمية Optics Letters1، تحت عنوان “حدود انتشار الألياف غير الخطية والمشتتة لآلة تعلم متطرفة تعتمد على الألياف الضوئية”.
قيود تدريب الذكاء الاصطناعي التقليدي باستخدام الأنظمة الإلكترونية
يصل تدريب الذكاء الاصطناعي ومعالجة البيانات إلى حدود من حيث الكفاءة، حيث يزداد تقييد حسابات الذكاء الاصطناعي باستهلاك الطاقة وسرعة معالجة البيانات.
على النقيض من ذلك، تمتلك الحسابات القائمة على الضوء القدرة على أن تكون أسرع بألاف المرات ويمكنها تشفير البيانات إلى اختلافات طاقة دقيقة، مما يجعلها أكثر كفاءة. المشكلة هي أنه حتى الآن، لم يتم إجراء أي حساب مباشر باستخدام الضوء.
استخدم عمل الباحثين فئة معينة من بنية الحوسبة تُعرف باسم آلة التعلم المتطرفة (ELM)، وهو نهج مستوحى من الشبكات العصبية.
من بين بعض مزاياها، يمكن لآلات التعلم المتطرفة التعلم من بيانات التدريب في خطوة واحدة وتُعد خوارزمية بسيطة نسبيًا.
كقاعدة عامة، من غير المرجح أن تكون آلة التعلم المتطرفة مفيدة للمهام المعقدة جدًا التي تتطلب طبقات متعددة من تدريب الذكاء الاصطناعي، لكنها يمكن أن تؤدي بشكل جيد وأكثر كفاءة للمهام المحددة، مثل التعرف البصري على سبيل المثال.
كيف قام الباحثون بترميز الصور باستخدام الألياف الضوئية
استخدم الباحثون نبضات ليزر فمتوثانية (أقصر بمليار مرة من وميض الكاميرا) وألياف ضوئية تحصر الضوء في مساحة أصغر من جزء من شعر الإنسان لبناء نظام ELM ضوئي.
تكون نبضات الليزر قصيرة بما يكفي لتحتوي على عدد كبير من الأطوال الموجية أو الألوان المختلفة، مما يخلق مجموعة بيانات غنية.
ثم أرسلوا هذه البيانات إلى الألياف مع تأخير نسبي مُرمّز وفقًا للصورة.
المصدر: Tampere University
دور البصريات غير الخطية في معالجة الذكاء الاصطناعي
تم تحويل هذا الشكل من ترميز البيانات بواسطة التفاعل غير الخطي بين الضوء والزجاج.
البصريات الخطية هي البصريات العادية التي تُدرس في المدرسة، حيث يتفاعل الضوء مباشرة مع منشور، على سبيل المثال.
في البصريات غير الخطية، يعتمد تفاعل الوسط الذي يمر فيه الضوء على طول موجة الضوء، شدته، اتجاهه، واستقطابه.
يمكن للمكونات البصرية غير الخطية أن تجعل فوتونات ذات ترددات مختلفة تتجمع وتخلق فوتونات جديدة بترددات جديدة.
“بدلاً من استخدام الإلكترونيات التقليدية والخوارزميات، يتم تحقيق الحوسبة بالاستفادة من التفاعل غير الخطي بين نبضات الضوء المكثفة والزجاج.”
Mathilde Hary and Andrei Ermolaev – Post-Doctoral Researchers
تمكن التفاعل غير الخطي وخوارزمية آلة التعلم المتطرفة (ELM) من تدريب ذكاء اصطناعي لتصنيف الأرقام المكتوبة يدويًا (مثل تلك المستخدمة في معيار الذكاء الاصطناعي الشهير MNIST).
المصدر: Optics Letters
وصلت أفضل الأنظمة إلى دقة تزيد عن 91٪، وهو قريب من طرق الرقمية المتقدمة.
ما يجعل النتيجة استثنائية هو أنها تحققت في أقل من بيكوثانية واحدة، أي جزء من تريليون من الثانية (0.000000000001 ثانية).
التحسين المثالي
لم تتحقق أفضل النتائج عند أقصى مستوى من التفاعل غير الخطي أو التعقيد.
بدلاً من ذلك، احتاجت إلى توازن دقيق بين طول الألياف، والانتشار (فرق سرعة الانتشار بين الأطوال الموجية المختلفة)، ومستويات الطاقة.
“الأداء ليس مجرد مسألة دفع طاقة أكبر عبر الألياف. إنه يعتمد على مدى دقة هيكلة الضوء في البداية، بمعنى آخر كيفية ترميز المعلومات، وكيفية تفاعلها مع خصائص الألياف.”
هل حواسيب الألياف الضوئية هي مستقبل الذكاء الاصطناعي؟
إن تدريب الذكاءات الاصطناعية باستخدام الضوء فقط يمثل انحرافًا جذريًا عن جميع الأساليب المستخدمة حتى الآن. من المحتمل أن هذه الطريقة لن تكون ممكنة لجميع أنواع البيانات، ولكن بالنسبة للأنواع التي يمكن تطبيقها عليها، قد تحقق نتائج أكثر كفاءة بألف مرة من حيث الطاقة، وأسرع بمليون مرة.
“تُظهر نماذجنا كيف يؤثر الانتشار، واللاخطية، وحتى الضوضاء الكمومية على الأداء، مما يوفر معرفة حاسمة لتصميم الجيل التالي من أنظمة الذكاء الاصطناعي الهجينة الضوئية-الإلكترونية.”
من المرجح أن يعني هذا النهج أن بعض حسابات الذكاء الاصطناعي ستُفوض إلى عتاد ألياف ضوئية غير خطية مخصص للمهمة. وبالتالي، ستكون المهام المتكررة، مثل التعرف البصري، هي الأنسب أكثر من معالجة البيانات الجديدة.
“يظهر هذا العمل كيف يمكن للبحث الأساسي في بصريات الألياف غير الخطية أن يدفع نحو أساليب جديدة في الحوسبة. من خلال دمج الفيزياء وتعلم الآلة، نفتح مسارات جديدة نحو عتاد ذكاء اصطناعي فائق السرعة وفعّال في استهلاك الطاقة.”
تتراوح التطبيقات المحتملة من معالجة الإشارات في الوقت الحقيقي إلى مراقبة البيئة والاستدلال السريع للذكاء الاصطناعي.
مع ذلك، لا يزال هذا العمل في مرحلة إظهار المبادئ الأساسية للتقنية، وبعيدًا عن مرحلة التسويق التجاري.
ومع ذلك، يثبت أن الفوتونيات من المحتمل أن تصبح جزءًا متزايد الأهمية في صناعة الحوسبة مستقبلاً، حيث يمكن للضوء أن يكون متفوقًا على الكهرباء في بعض تطبيقات الحوسبة لأسباب فيزيائية أساسية.
أفضل شركة مدرجة في البورصة للليزر والفوتونيات
Coherent (II-VI Marlow): رائد في ابتكار الليزر
(COHR )
Coherent هي تكتل صناعي كبير يضم أكثر من 26,000 موظف وتُعد رائدة في تقنية الليزر. نتجت عن دمج مادة متقدمة II-VI Marlow مع صانع الليزر Coherent.
تُعد الشركة خبيرة في المواد المتقدمة المستخدمة في الليزر والبصريات والفوتونيات، مثل الفسفيد الإنديوم، الرقائق الوبائية، والزرنيخ الغاليوم.
نمت الشركة بشكل كبير بفضل عدة عمليات استحواذ خلال العقد الماضي، من إيرادات بلغت 600 مليون دولار في عام 2013 إلى 4.7 مليار دولار في عام 2024.
تحقق الشركة 29٪ من إيراداتها مباشرة من الليزر، بينما البقية مرتبطة بالمعدات المرتبطة مثل الألياف الضوئية والإلكترونيات. فئة الأجهزة عادةً ما تشمل الحياة
المصدر: Coherent
وجود الشركة في المواد المتقدمة مثل الخلايا الحرارية الضوئية (التي ناقشناها في مقال سابق)، كربيد السيليكون، الليزر، والإلكترونيات يساعدها على الاستفادة من الاتجاهات الهيكلية مثل نمو التصنيع الدقيق، التصنيع الإضافي (الطباعة ثلاثية الأبعاد)، الكهرباء، والطاقة المتجددة.
قامت الشركة مؤخرًا بفصل أعمال كربيد السيليكون إلى كيان جديد، مملوك بنسبة 75٪ لـ Coherent، بينما يملك الشركاء ميتسوبيشي إلكتريك (الذي يقدم حقوق ملكية طاقة كربيد السيليكون) ودينسو (الذي يساهم كنظام توريد للسيارات في مجال الكهرباء وأشباه الموصلات القوية) الحصة المتبقية بالتساوي.
ذلك لأن كربيد السيليكون أصبح تقنية مستقلة بشكل متزايد، يُستخدم غالبًا في التطبيقات عالية الطاقة مثل السيارات الكهربائية، البطاريات، والطاقة المتجددة.
Coherent هي رائدة في تقنية LIDAR والاستشعار الرقمي ثلاثي الأبعاد، بما في ذلك لتطبيقات القيادة الذاتية، والتقنية الحيوية تسلسل الجيل التالي (NGS) خلايا التدفق، والليزر لتصنيع أشباه الموصلات. تتوقع أن تنمو أسواقها الرئيسية بنسبة 8-20٪.
المصدر: Coherent
التطبيقات الجديدة المحتملة الأخرى لليزر، مثل أسلحة الطاقة المباشرة، الحوسبة الفوتونية، الاندماج النووي، وتكنولوجيا الفضاء، يمكن أن تساعد جميعها في دعم النمو طويل الأجل للشركة.
بشكل عام، تُعد Coherent أقرب ما يمكن إلى شركة ليزر مدرجة في البورصة “نقية اللعب” للمستثمرين المهتمين بالقطاع، مع تكامل عمودي قوي وأكثر من 3,100 براءة اختراع تحمي ابتكاراتها.
مع تقدم الفوتونيات، سيزداد الطلب تدريجيًا على أنظمة الليزر فائقة السرعة والدقة، بالإضافة إلى الليزر المستخدم في الاتصالات الضوئية.
أحدث أخبار وتطورات سهم Coherent (COHR)
الدراسة المشار إليها
1. Andrei V. Ermolaev, Mathilde Hary, وآخرون. حدود انتشار الألياف غير الخطية والمشتتة لآلة تعلم متطرفة تعتمد على الألياف الضوئية. Optics Letters. المجلد 50، العدد 13، ص. 4166-4169 (2025) https://doi.org/10.1364/OL.562186
