Databehandling med lysets hastighed ved hjælp af silicium‑fotonik

Ingeniører fra University of Pennsylvania har udviklet en chip, der bruger lysbølger i stedet for elektricitet til at udføre komplekse matematiske beregninger, der er nødvendige for at træne kunstig intelligens (AI). Denne innovation kan betydeligt øge hastigheden på behandlingen og reducere enheders energiforbrug.

Undersøgelsen, offentliggjort i Nature Photonics, viser, at dette er en “inverse-designet lav-indeks-kontrast struktur” på en silicon‑photonik (SiPh) platform, hvilket potentielt muliggør store bølgebaserede analoge computerplatforme.

Silicon‑photonik bruger silicium, et rigeligt tilgængeligt og billigt element, der anvendes i masseproduktionen af computerchips, og integrerer komponenter som fotodetektorer, optiske switchere, optiske bølgeledere og optiske modulatorer på et siliciumsubstrat.

Silicon‑photonik (SiPh) chippen i denne undersøgelse manipulerer materialer på nanoskala for at udføre matematiske beregninger ved hjælp af lys. Denne metode til at interagere lysbølger med materie lover at udvikle computere, der overstiger de nuværende begrænsninger i dagens chips.

“Vi besluttede at gå sammen,” sagde H. Nedwill Ramsey Professor Nader Engheta, og pegede på udviklingen af nanoskalale silicium‑enheder af forskningsgruppen ledet af Firooz Aflatouni, som er lektor i Electrical and Systems Engineering.

Målet har været at udvikle en platform til at udføre vektor‑matrix‑multiplikation (VMM), som anvendes i udviklingen og funktionen af neurale netværk, der driver de nuværende AI‑værktøjer.

Ifølge undersøgelsen udfører inverse‑designede SiPh‑metastrukturer effektivt analoge beregninger med elektromagnetiske bølger, men at skalere dem op til at håndtere et stort antal datakanaler udgør en udfordring. For at løse dette anvendte teamet en 2D inverse‑design tilgang til at skabe kompakte amorfe linsesystemer, der typisk er feed‑forward og lav resonans. Undersøgelsen demonstrerede med succes et vektor‑matrix‑produkt for 2 × 2 og 3 × 3 matricer og designede også en 10 × 10 matrix.

I stedet for at bruge en siliciumskive med ensartet højde, tyndede teamet siliciummet selektivt i specifikke områder. Disse højdevariationer muliggør kontrol over lysgennemgangen gennem chippen.

Ved at fordele disse variationer spreder chippen lys i specifikke mønstre, hvilket gør det muligt at udføre matematiske beregninger med lysets hastighed, den hurtigst mulige kommunikationsmetode.

Ifølge Aflatouni er dette design allerede klar til kommercielle anvendelser på grund af de begrænsninger, som den kommercielle foundry, der producerede chippen, pålægger. Desuden kan designet potentielt tilpasses brug i grafiske behandlingsenheder (GPU’er), en specialiseret elektronisk kredsløb, der i øjeblikket er i enorm efterspørgsel i takt med AI‑frenesien. Ved at integrere Silicon Photonics‑platformen som et tillæg, nævner Aflatouni, kan man accelerere trænings‑ og klassificeringsprocesserne.

Fordelene strækker sig dog ud over hastighed og energieffektivitet, da chippen også forbedrer privatlivets fred. Ved at tillade mange beregninger at foregå samtidigt, er der ingen grund til at gemme følsomme oplysninger i computerens arbejds‑hukommelse. Dette gør en computer drevet af sådan teknologi i bund og grund uhackbar. Aflatouni bemærkede:

“Ingen kan hacke ind i en ikke‑eksisterende hukommelse for at få adgang til dine oplysninger.”

Finansieret delvist af en bevilling fra US Air Force Office of Scientific Research’s Multidisciplinary University Research Initiative og en anden fra US Office of Naval Research, har denne undersøgelse til formål at overvinde begrænsningerne i de chips, der anvendes i dag, som opererer efter principper, der har været gældende i mange årtier. Men ved at udnytte lysets kraft kan denne nye tilgang bane vejen for en ny generation af AI‑udvikling.

Det enorme potentiale for silicon‑fotonik

I de sidste årtier har forskning og udvikling inden for dette materiale fortsat. For nylig har silicon‑fotonik (SiPh) dog fået opmærksomhed på grund af den stigende efterspørgsel efter hurtig og effektiv databehandling.

Denne voksende interesse har den globale markedstørrelse for silicon‑fotonik værdiansat til 1,29 milliarder USD i 2022 og forventes at vokse med en CAGR på 25,8 % inden udgangen af dette årti, ifølge Grand View Research. Væksten skyldes behovet for højere dataoverførselshastigheder og båndbredde‑intensive applikationer.

SiPh er den perfekte platform her på grund af sin økonomiske effektivitet og høje integrationsdensitet. Da SiPh også er kompatibel med elektronisk fremstilling, kan SiPh fotoniske integrerede kredsløb (PIC’er) produceres ved hjælp af etableret foundry‑infrastruktur. SiPh har desuden potentialet til at integrere hundreder til tusinder af enheder i komplekse PIC’er med en design‑ og fremstillingsskalerbarhed, der ligner CMOS, hvilket åbner nye anvendelser i krydsfeltet mellem fotonik og computing.

Derfor er Silicon Photonics blevet en værdifuld teknologi i en række felter takket være dens højhastighedstransmission, høje integrationsdensitet, fremragende optiske egenskaber, lavere strømforbrug og relativt billige fremstilling.

For eksempel har forskning fortsat med anvendelsen af silicon‑fotonik i LiDAR til autonom kørsel og industriel automatisering. LiDAR bruger lys, der reflekteres på overflader i stedet for radiobølger (RF) til at analysere og levere kritisk information om omgivelserne.

Desuden kan silicon‑fotonik anvendes til sensing (dvs. optisk sensing), hvor transmissionen af et signal og modtagelsen af det transmitterede optiske signal kan hjælpe med at bestemme egenskaberne i det omgivende miljø. Dette kan være gavnligt for sundheds‑applikationer og forbrugervarer inden for sundheds‑wearables.

Udover autonome køretøjer og sensing er brugen af silicon‑fotonik også blevet undersøgt inden for telekommunikation, kvantekommunikation, biomedicin, rumfart, astronomi og AR/VR. Silicon‑fotonik viser også lovende potentiale for fuld integration og storskalig optisk kvanteinformationsbehandling.

Derefter er der AI, som kræver højtydende computing. Med AI‑mani, der når nye højder og forventes at vokse yderligere, står chip‑industrien over for et presserende behov for innovation. Den arbejder ihærdigt på at placere flere transistorer på en enkelt chip for markant at øge behandlingskraften og energieffektiviteten. Sådanne forbedringer er afgørende for at træne og køre AI‑algoritmer mere præcist, hurtigt og omkostningseffektivt.

I et forsøg på at vinde halvlederkapløbet bygger selv Kina en produktionslinje for fotoniske chips på grund af dens beregningshastighed, der er hurtigere, og dens informationskapacitet, der er større, hvilket vil være betydeligt højere end de eksisterende silicium‑baserede chips.

En spilskifter for AI

AI‑mani viser ingen tegn på at bremse. Denne nye bølge af teknologisk fremskridt er opstået som en kraftfuld drivkraft, der vil revolutionere mange industrier og forme fremtiden. Da AI hurtigt bliver en integreret del af vores daglige liv, og datatunge applikationer bliver mere komplekse, søger alle fra virksomheder og regeringer til institutioner og forskere måder at gøre den mere effektiv på.

Dette driver folk mod silicon‑fotonik, som er en af de mest lovende teknologier til at håndtere komplekse og dyre beregninger udført af dybe neurale netværk, en undergruppe af maskinlæringsalgoritmer, der gør en models ydeevne mere præcis. Dybe netværk består af lag, der indeholder matematiske relationer.

Med sådanne kompleksiteter kan silicon‑fotonik hjælpe med at forbedre ydeevne og omkostningseffektivitet, hvilket vil forbedre funktionen af AI‑ og maskinlæringsapplikationer. AI/ML‑verdenen har brug for, at data udveksles hurtigt, mens så lidt energi som muligt forbruges, og samtidig skal der opretholdes høj beregningsdensitet.

Her tillader silicon‑fotonik bedre kommunikation mellem beregningseenheder. Materialet muliggør desuden brug af kortdistanses optiske interconnects til effektiv dataoverførsel over relativt korte afstande inden for AI/ML‑applikationer. Hurtig dataoverførsel er afgørende for beslutningstagning i realtid.

På denne måde bidrager silicon‑fotonik til den samlede effektivitet og ydeevne af AI‑systemer. Ved at udnytte dette materiale kan virksomheder også låse op for større beregningskapacitet og opnå mere præcise og responsive resultater.

Silicon‑fotonik er særligt velegnet til computing på grund af sådanne kredsløbs evne til at være hurtigere end traditionelle elektroniske kredsløb. Desuden er deres optiske behandling iboende parallel, hvilket gør det muligt at udføre flere handlinger samtidigt.

Silicon‑fotonik tillader også, at grundlæggende komponenter kan samles i talrige kombinationer for at bygge meget komplekse kredsløb, hvilket muliggør oprettelsen af avancerede systemer skræddersyet til specifikke anvendelser.

Fremtiden for silicon‑fotonik inden for AI ser lys ud, givet dens potentiale til at transformere AI‑algoritmer og yderligere AI‑systemers kapaciteter. Det er helt sikkert en interessant tid for silicon‑fotonik.

Klik her for at lære alt om investering i kunstig intelligens. 

Et kig på populære chipproducenter

Lad os nu se på et par fremtrædende navne inden for chipproduktion:

#1. NVIDIA Corporation

Lederen i chipindustrien, Nvidia (NVDA ), er i øjeblikket den tredje mest værdifulde virksomhed på det amerikanske aktiemarked. Den kontrollerer omkring 80 % af AI‑chipmarkedet. Med aktiekursen på $793,50 har virksomheden opnået en markedsværdi på $1,95 billioner. 

Nvidias aktier er steget voldsomt og er allerede op 58,6 % år‑til‑dato. Med dette har virksomheden en EPS (TTM) på 11,93, en P/E (TTM) på 65,84 og en ROE (TTM) på 69,17 %. Den betaler også et udbytte på 0,02 %.

Efterhånden som efterspørgslen skyder i vejret globalt på tværs af industrier og nationer, rapporterede Nvidia sine resultater for fjerde kvartal, hvor omsætningen mere end tredobledes til $22,1 milliarder. Ifølge CEO og medstifter Jensen Huang:

“Accelereret computing og generativ AI har nået vendepunktet.”

Den stigende efterspørgsel efter dets chips har fået virksomheden til at forudsige en vækst på 233 % i Q1‑omsætningen. Virksomhedens H100 datacenter‑chip er det, der hjælper Nvidia med at lede AI‑området. Den er optimeret til at behandle enorme datamængder og beregninger med høj hastighed, hvilket gør den til en perfekt løsning til den strømintensive opgave at træne AI‑modeller. 

Klik her for at lære alt om investering i NVIDIA Corporation (NVDA).

#2. Intel Corporation

Den amerikanske chipproducent gør comeback, mens den udvider sin foundry‑forretning, som fremstiller chipdesigns for andre virksomheder. Microsoft (MSFT ) har valgt virksomheden til at producere sine high‑end halvledere og “genopbygge vestlig produktion i stor skala.” 

Chippen vil blive designet til at bruge Intels 18A‑node, en fremstillingsproces, der gør halvledere mindre og mere energieffektive. “Intel (INTC ) er landets førende chipvirksomhed,” sagde USAs handelsminister Gina Raimondo, da hun bemærkede, at Google, OpenAI og andre, der bygger LLM’er, vil kræve et “sindssygt” volumen af halvledere i de kommende år.

På tidspunktet for skrivning handles Intels aktier til $43,12, ned 14,47 % år‑til‑dato, hvilket giver virksomheden en markedsværdi på $181,7 milliarder. Den har en EPS (TTM) på 0,38, en P/E (TTM) på 113,46 og en ROE (TTM) på 1,63 %. Den betaler også et udbytte på 1,16 %. Ifølge Intels CEO Pat Gelsinger:

“Den samlede efterspørgsel (efter AI‑chips) ser ud til at være umættelig i flere år fremover.”

#3. Samsung

Den sydkoreanske teknologigigant planlægger at lancere sin 2 nm chip‑teknologi for at opnå en føring foran andre chipproducenter. Ifølge Samsungs Foundry Forum (SFF) plan vil virksomheden begynde at producere 2 nm processen i stor skala i 2025 til mobilapps og vil gå efter højtydende beregningsapplikationer året derefter og derefter flytte til bilindustrien. Et år efter dette forventes Samsung at starte 1,4 nm processen.

Virksomheden har en markedsværdi på $373 milliarder med aktiekursen på $1.373. Samsung har en PE‑ratio (TTM) på 14,25, en EPS (TTM) på 96,44 og betaler et udbytte på 1,98 %. I sin Q4 2023‑finansielle rapport bemærkede Samsung, at deres foundry‑division har sikret en aftale om deres 2 nm AI‑chips fra den japanske AI‑startup Preferred Networks (PFN), som tidligere har samarbejdet med Taiwan Semiconductor Manufacturing (TSM ) Co (TSMC).

Chipproducenten samarbejder også med Arm om at optimere Cortex‑X‑kernen på deres mest avancerede chip‑fremstillingsteknologi, GAA. Sent sidste år indgik Samsung også et samarbejde med Tenstorrent, som har til formål at udfordre Nvidia som kunde. 

Konklusion

Efterhånden som AI‑fremskridt driver efterspørgslen efter øget computerkraft, er silicon‑fotonik fremkommet som en lovende teknologi, der har potentiale til at reducere latency, mens den øger effektiviteten ved at muliggøre fremstilling af fotoniske komponenter på silicium ved hjælp af standard semikonduktorfremstillingsprocesser. 

Selvom silicon‑fotonik har mange fordele, vil de ikke erstatte elektroniske chips i den nærmeste fremtid. Dette skyldes, at silicon‑fotoniks kapaciteter forbliver snævert fokuserede, samtidig med at der er tekniske barrierer i form af softwareudvikling for at optimere deres evner. Så det vil tage noget tid, før brugen af silicon‑fotonik bliver udbredt, men teknologien er kun lige begyndt, og i betragtning af AI‑teknologiens udviklingshastighed kan dette bestemt accelereres.

Klik her for at lære om den aktuelle tilstand af kvantecomputing.