Μπορεί η Φωτονική να Κρατήσει Ζωντανό τον Νόμο του Μουρ;

Ο νόμος του Μουρ ορίζει ότι ο αριθμός των τρανζίστορ σε ένα ολοκληρωμένο κύκλωμα θα αυξάνεται περίπου κάθε δύο χρόνια, μαζί με την ισχύ του υπολογιστή. Αυτή η αρχή ήταν κατά κύριο λόγο σωστή από το 1965. Ωστόσο, μπορεί να υποτεθεί ότι ο Gordon E. Moore, συνιδρυτής της Intel (INTC ), δεν είχε σκεφτεί ποτέ ότι τα chip θα φτάσουν στα όρια της μικροποίησης, προκαλώντας καθυστέρηση στην υπολογιστική ισχύ.

Ευτυχώς, μια ομάδα μηχανικών από το Πανεπιστήμιο της Καλιφόρνιας ανέπτυξε μια νέα μέθοδο που χρησιμοποιεί τη φωτονική για να παρέχει περισσότερη υπολογιστική ισχύ χωρίς να θυσιάζει το μέγεθος. Αυτό που πρέπει να γνωρίζετε.

Σμίκρυνση

Ο κόσμος βρίσκεται σε μια αναζήτηση για τη σμίκρυνση των υπολογιστών από την εφεύρεσή τους. Κάποιοι από τους παππούδες σας ίσως θυμούνται ακόμη όταν οι υπολογιστές απαιτούσαν ολόκληρο δωμάτιο και πολλούς ανθρώπους για τη λειτουργία τους. Σήμερα, το smartwatch σας παρέχει περισσότερη υπολογιστική ισχύ από αυτά τα τεράστια, και αυτό είναι μόνο η κορυφή του παγόβουνου όσον αφορά τη μικροϋπολογιστική. Το ταξίδι από ένα ολόκληρο δωμάτιο μέχρι τις σημερινές μικροηλεκτρονικές συσκευές ήταν συναρπαστικό, γεμάτο πειράματα, ανακαλύψεις και μερικές φορές αποτυχίες.

Φυσικοί και Οικονομικοί Περιορισμοί

Σημαντικό είναι ότι υπάρχει ένα σημείο όπου η κατασκευή τέτοιων μικροσκοπικών εξαρτημάτων γίνεται οικονομικά μη βιώσιμη. Σύμφωνα με τους περισσότερους ερευνητές, η αγορά έχει φτάσει σε αυτό το σημείο. Επιπλέον, τα υπολογιστικά κέρδη δεν ευθυγραμμίζονται με τον νόμο του Μουρ, καθώς τα μικρότερα chip δεν μπορούν να παρέχουν υπολογιστική ισχύ ανάλογη με τα μεγαλύτερα.

Ως αποτέλεσμα, υπάρχει ένα αυξανόμενο χάσμα μεταξύ της διαθέσιμης υπολογιστικής ισχύος και των αναγκών, οδηγώντας μερικούς γνωστούς παίκτες της αγοράς, όπως ο CEO της Nvidia (NVDA ), Jensen Huang, να δηλώσουν ότι ο νόμος του Μουρ είναι νεκρός, θεωρώντας τους επεξεργαστές ειδικής εφαρμογής ως το μέλλον.

Ζήτηση για Υψηλής Ισχύος Υπολογιστές

Η ξαφνική ανάπτυξη των συστημάτων τεχνητής νοημοσύνης και μηχανικής μάθησης έχει αυξήσει τη ζήτηση για ισχυρούς υπολογιστές και πλατφόρμες cloud. Αυτές οι απαιτήσεις έχουν ξεπεράσει το σχεδιασμό των chip όσον αφορά την απόδοση, δημιουργώντας ένα στενό λαιμό στον τομέα ανάπτυξης AI που περιορίζει την καινοτομία. Τώρα, η αγώνας είναι για την παροχή μιας λύσης που μπορεί να ανταποκριθεί στις απαιτήσεις των σημερινών υψηλής ισχύος υπολογιστών και συστημάτων AI.

Λύσεις Υπολογιστικής Ισχύος

Κάποιοι αναλυτές πιστεύουν ότι μια λύση είναι η δημιουργία ειδικών chip που περιλαμβάνουν τη λογική και την επεξεργασία στο ίδιο chip. Αυτή η προσέγγιση βοηθά στη μείωση της καθυστέρησης και της κατανάλωσης ενέργειας και βελτιώνει την απόδοση. Ωστόσο, οι υπολογιστικοί περιορισμοί το καθιστούν ακόμη μη ιδανικό όταν συζητούνται οι τεράστιες απαιτήσεις δεδομένων AI.

Μνήμη Υπολογισμού

Μια άλλη λύση που ενθουσιάζει τους ερευνητές είναι η μνήμη υπολογισμού. Αυτή η μέθοδος αποθήκευσης χρησιμοποιεί μνήμη RAM γρήγορης πρόσβασης αντί για περιστρεφόμενο σκληρό δίσκο. Συγκεκριμένα, η RAM από ένα δίκτυο υπολογιστών ρυθμίζεται με λογισμικό middleware για να λειτουργεί η μνήμη παράλληλα. Αυτή η μέθοδος αποθήκευσης είναι 5000 φορές πιο γρήγορη από τις παραδοσιακές, αλλά δεν μπορεί ακόμη να συμβαδίσει με τον νόμο του Μουρ.

Φωτονική

Η φωτονική είναι μια άλλη μέθοδος υψηλής υπολογιστικής ισχύος που ενδιαφέρει τους ερευνητές. Η φωτονική λειτουργεί ανιχνεύοντας κύματα φωτός με τη χρήση ηλεκτρονικών. Η επιστήμη περιστρέφεται γύρω από τη δημιουργία και τον έλεγχο του φωτός καθώς περνάει μέσα από ένα πλέγμα προγραμματιζόμενων οπτικών βαρών.

Αυτά τα βάρη ενσωματώνουν έναν δισδιάστατο πίνακα μη-πτητικών οπτικών διαμορφωτών που επιτρέπουν την εκτέλεση μιας γραμμικής μετασχηματισμού σε ένα διάνυσμα οπτικών εισόδων. Αυτή η στρατηγική προσφέρει ταχύτερες ταχύτητες εναλλαγής σε σύγκριση με τις μεθόδους υπολογισμού RAM.

Τρέχοντες Περιορισμοί της Φωτονικής

Μερικά από τα μειονεκτήματα της φωτονικής στην υπολογιστική περιλαμβάνουν το ότι τα τρέχοντα συστήματα μπορούν να επανεγγραφούν μόνο περίπου 1000 φορές. Αυτή η περιορισμένη διάρκεια ζωής τα καθιστά ακριβή επιλογή. Επιπλέον, τα οπτικά βάρη έχουν χαμηλή πυκνότητα αποθήκευσης και ο προγραμματισμός είναι πιο αργός από τα παραδοσιακά chip.

Τα συστήματα φωτονικής υπολογιστικής εμφανίζονται σε διάφορες μορφές και σχεδιασμούς. Ωστόσο, αυτά τα συστήματα απαιτούν εξειδικευμένες διαδικασίες κατασκευής που είναι πολύ πιο ακριβές από τα αντίστοιχα. Παρά τους περιορισμούς κόστους, πολλοί ερευνητές πιστεύουν ότι η φωτονική είναι το μέλλον της υπολογιστικής και ότι ο νόμος του Wright είναι το κλειδί για την υλοποίησή της.

Νόμος του Wright

Υπάρχει επίσης ο νόμος του Wright, ο οποίος θα συνεχίσει να παίζει ρόλο στην ικανότητά μας να προοδεύουμε τα ημιαγωγικά. Αυτός ο νόμος είναι μια αρχή κατασκευής που διατυπώθηκε από τον αεροναυπηγό Theodore Paul Wright. Εργαζόμενος σε εργοστάσιο κατασκευής αεροσκαφών, παρατήρησε ότι οι απαιτήσεις εργασίας μειώθηκαν κατά 15% καθώς οι διαδικασίες κατασκευής βελτιώθηκαν, ακόμη και όταν τα επίπεδα παραγωγής αυξήθηκαν.

Αυτές οι εξοικονομήσεις κόστους προήλθαν από βελτιωμένες διαδικασίες, τεχνολογία, συστήματα ανάκτησης και άλλες αναβαθμίσεις που έγιναν κατά την παραγωγή. Συνεπώς, πολλοί αναλυτές πιστεύουν ότι ο νόμος του Wright θα βοηθήσει να γίνει η φωτονική πιο προσβάσιμη και λιγότερο ακριβή επιλογή στο μέλλον.

Μπορείτε να δείτε τον νόμο του Wright ήδη να εφαρμόζεται στον τομέα AI. Πριν λίγα χρόνια, θα ήταν αδύνατο για τον μέσο άνθρωπο να έχει πρόσβαση ή να λειτουργήσει ένα σύστημα AI. Η δημιουργία μοντέλων AI, η διαχείριση και η αναβάθμισή τους ήταν πολύ δαπανηρή. Επιπλέον, κανείς δεν είχε δημιουργήσει έναν αξιόπιστο τρόπο για το AI να αλληλεπιδρά με τους ανθρώπους.

Ωστόσο, από τη στιγμή που προγράμματα όπως το ChatGPT κυκλοφόρησαν στην αγορά, όποιος μπορεί πλέον να χρησιμοποιήσει αυτά τα ισχυρά εργαλεία για να βελτιώσει την αποδοτικότητα και τη δημιουργικότητά του. Αυτά τα συστήματα ενσωματώνουν μεγάλα μοντέλα γλώσσας που καθιστούν εύκολο για οποιονδήποτε να τα λειτουργήσει μέσω απλών ερωτήσεων συνομιλίας. Αυτή η εξέλιξη οδήγησε σε εκρηκτική υιοθέτηση του AI, οδηγώντας στις τρέχουσες ελλείψεις υπολογιστικής ισχύος.

Μελέτη Φωτονικής

Η μελέτη «Ενσωματωμένα μη-αναδρομικά μαγνητο-οπτικά με υπερ-υψηλή αντοχή για φωτονική υπολογιστική εντός μνήμης»¹  που δημοσιεύτηκε στο περιοδικό Nature Photonics αποκαλύπτει μια νέα μέθοδο οπτικής υπολογιστικής που θα μπορούσε να φέρει επανάσταση στην αγορά. Η μελέτη εμβαθύνει στην κωδικοποίηση οπτικών βαρών για φωτονική υπολογιστική εντός μνήμης με λεπτομέρεια.

Πηγή – Nature

Οι ερευνητές επέλεξαν να χρησιμοποιήσουν κυψέλες μνήμης μαγνητο-οπτικές και μια αρχιτεκτονική φωτονικής βασισμένη σε συντονισμό για την επίτευξη των υπολογιστικών τους στόχων. Η στρατηγική βασίζεται σε μη-αναδρομική φάση μετατόπισης σε μαγνητο-οπτικά υλικά ως μέσο υλοποίησης φωτονικής υπολογιστικής εντός μνήμης.

Ένα νέο μαθηματικό μοντέλο επέτρεψε στην ομάδα να δοκιμάσει μαγνητο-οπτικά υλικά. Διαπίστωσαν ότι το γαλλιοαντικατασταθέν γυαλίσιδηρο-υτρίτης (YIG) επέτρεψε τη χρήση εξωτερικού μαγνητικού πεδίου για τον έλεγχο της διάδοσης του φωτός. Αυτό το ελεγχόμενο φως θα μπορούσε στη συνέχεια να χρησιμοποιηθεί για υπολογισμούς.

Η μελέτη έδειξε πώς μικροσκοπικοί μαγνήτες μπορούν να αποθηκεύουν δεδομένα αποδοτικά και να τα προσπελάζουν με αστραπιαία ταχύτητα.

Η διαδικασία κωδικοποίησης των μαγνητών λειτουργεί ρυθμίζοντας τη δύναμη του μαγνητικού τομέα της μονάδας. Για τη λειτουργία της συσκευής, τα ηλεκτρονικά σήματα πρέπει να μετατραπούν στον οπτικό χώρο χρησιμοποιώντας ηλεκτρο-οπτικούς (E/O) διαμορφωτές για προγραμματισμό και αποθήκευση. Από εκεί, οι ισορροπημένοι φωτοανιχνευτές (BPDs) μετατρέπουν το διαφορικό οπτικό σήμα πίσω σε ηλεκτρικό σήμα ώστε η λογική CMOS να το επεξεργαστεί μαζί με τη SRAM.

Δοκιμή Φωτονικής

Για να δοκιμάσουν την μη-πτητική μαγνητο-οπτική κυψέλη μνήμης, οι ερευνητές ετοίμασαν διάφορες προσεγγίσεις. Ξεκίνησαν με μια 2-bit ηλεκτρική είσοδο που τους επέτρεψε να επιτύχουν δύο θετικά και δύο αρνητικά οπτικά βάρη. Από εκεί, το μαγνητικό πεδίο χειρίστηκε για την παρακολούθηση των αλλαγών.

Γαλλιοαντικατασταθέν Γυαλίσιδηρο-υτρίτης (YIG),

Ένα YIG μονής κρυσταλλικής δομής πάχους 500 nm καλλιεργήθηκε στο εργαστήριο χρησιμοποιώντας μέθοδο ραδιοσυχνότητας σπρέιντ σε 750 °C για τη φάση δοκιμής. Συγκεκριμένα, η ομάδα αποφάσισε να χρησιμοποιήσει μια δίσκο με ακτίνα δακτυλίου 35 µm. Επίσης, ενσωματώθηκε ένα λεπτό στρώμα πυριτίου οξειδίου 10 nm ως μέσο διαχωρισμού του στρώματος πυριτίου από το στρώμα Ce: YIG.

Προγραμματισμός Φωτονικής

Ο προγραμματισμός της κατάστασης της κυψέλης μνήμης απαιτεί μια ακτινική εντός επιπέδου μαγνητική πεδία που παρέχεται από ενσωματωμένο χρυσό ηλεκτρομαγνήτη. Το σύστημα μπορεί ηλεκτρονικά να μετρήσει τις αλλαγές στην οπτική απώλεια ανάλογα με την κατεύθυνση και το μαγνητικό πεδίο που εφαρμόζεται μέσω λεπτής φερρομαγνητικής ταινίας.

Αυτή η διάταξη δημιουργεί ένα προγραμματιζόμενο, μη-πτητικό μαγνητικό πεδίο, επιτρέποντας στους μηχανικούς να προκαλέσουν μια μη-αναδρομική φάση μετατόπισης στην κυψέλη μνήμης. Σημαντικό είναι ότι η μελέτη κατέγραψε τόσο τις δεξιόστροφες (CW) όσο και τις αριστερόστροφες (CCW) λειτουργίες ενός μικρο-δακτυλίου συντονιστή ως μέσο προγραμματισμού και πρόσβασης σε υπολογιστικά δεδομένα.

Κύκλος Ζωής Φωτονικής

Η δοκιμή του κύκλου ζωής της μνήμης ήταν ένα ακόμη βήμα. Η ομάδα προγραμμάτισε έναν αυθαίρετο γεννήτρια συναρτήσεων που εναλλαγόταν μεταξύ παλμών εγγραφής και διαγραφής ως μέρος της προσέγγισής τους. Το σύστημα ρυθμίστηκε σε ρυθμό 10 kHz. Οι μηχανικοί χρησιμοποίησαν στη συνέχεια πλάτος ±5 V και διάρκεια παλμού 500 ns για να προσομοιώσουν την πραγματική επανεγγραφή. Τα αποτελέσματα ήταν εντυπωσιακά.

Αποτελέσματα Φωτονικής

Τα αποτελέσματα των δοκιμών έδειξαν πώς αυτή η νέα μέθοδος φωτονικής θα μπορούσε να αλλάξει την υπολογιστική για πάντα. Κατ’ αρχάς, το νέο σύστημα παρουσίασε σχεδόν απεριόριστες δυνατότητες επανεγγραφής. Συγκεκριμένα, επιτεύχθηκαν 2,4 δισεκατομμύρια κύκλοι προγραμματισμού.

Επιπλέον, οι μηχανικοί διαπίστωσαν ότι η χρήση μη-αναδρομικών φάσεων μετατόπισης σε μαγνητο-οπτικά υλικά επιτρέπει τον προγραμματισμό τους με καθορισμένο, γρήγορο και αποδοτικό τρόπο. Τα δεδομένα έδειξαν ότι η ταχύτητα προγραμματισμού περίπου 1 GHz ήταν εφικτή. Επιπλέον, η ομάδα πέτυχε μη-πτητικότητα, πολυεπίπεδη κωδικοποίηση που ξεπερνά τις τρέχουσες μεθόδους. Συνεπώς, αυτή η έρευνα θα μπορούσε να φέρει επανάσταση στην αγορά υπολογιστών στο μέλλον.

Οφέλη Φωτονικής

Πολλά οφέλη καθιστούν τη μελέτη φωτονικής ένα σημείο καμπής. Κατ’ αρχάς, το νέο σύστημα μπορεί να εκτελεί σύνθετες λειτουργίες που απαιτούν τεράστια υπολογιστική ισχύ. Αυτά τα συστήματα είναι ιδανικά για εργασίες AI και ML που απαιτούν πολλαπλασιασμό πίνακα-διανύσματος και άλλες προχωρημένες επιστήμες.

Μειωμένη Καθυστέρηση

Οι επιστήμονες διαπίστωσαν ότι η φωτονική προσφέρει υψηλότερες ταχύτητες σε σύγκριση με τις παραδοσιακές επιλογές. Η φάση δοκιμών αποκάλυψε πρόσβαση μνήμης 1 ns. Αυτός ο ρυθμός είναι 100 φορές πιο γρήγορος από τις προηγούμενες συσκευές φωτονικής, ανοίγοντας το δρόμο για ένα νέο επίπεδο καινοτομίας.

Χαμηλότερη Κατανάλωση Ενέργειας

Η ενεργειακή αποδοτικότητα είναι ένα ακόμη όφελος που φέρνει στην αγορά το σύστημα φωτονικής. Αυτό το σύστημα μπορεί να επαναπρογραμματίσει και να προσπελάσει τη μνήμη με ένα κλάσμα των απαιτήσεων ενέργειας άλλων επιλογών. Η ομάδα κατέγραψε αποδοτικότητα 143 fJ ανά bit, θέτοντας τις απαιτήσεις του νέου συστήματος στο 1/10 των άλλων επιλογών φωτονικής.

Επαναπρογραμματιζόμενο

Ένα από τα μεγαλύτερα πλεονεκτήματα της έρευνας φωτονικής είναι η αποκάλυψη ότι αυτές οι συσκευές έχουν σχεδόν απεριόριστο κύκλο επαναπρογραμματισμού. Καμία άλλη επιλογή αποθήκευσης υπολογιστών δεν προσφέρει στους χρήστες τη δυνατότητα επανεγγραφής δεδομένων +2Bx. Συνεπώς, αυτή η επιστημονική έρευνα θα μπορούσε να έχει σημαντική επίδραση στα data centers.

Ερευνητές Φωτονικής

Η έρευνα φωτονικής καθοδηγήθηκε από το Σάντα Μπάρμπαρα, τον John Bowers, και τον Galan Moody.  Ο Paolo Pintus, ο Nathan Youngblood, ο Yuya Shoji και ο Mario Dumont έπαιξαν επίσης κρίσιμους ρόλους στην έρευνα και ανάπτυξη του συστήματος φωτονικής. Τώρα, η ομάδα θα προσπαθήσει να επεκτείνει την έρευνά της σε άλλα υλικά για να βρει την καλύτερη επιλογή που θα τροφοδοτήσει την επανάσταση AI του αύριο.

Εταιρείες που Μπορούν να Επωφεληθούν από την Έρευνα Φωτονικής

Υπάρχει μια ποικιλία εταιρειών που θα μπορούσαν να αξιοποιήσουν αυτή την έρευνα για να βελτιώσουν τα προϊόντα και τις υπηρεσίες τους. Τα δίκτυα cloud computing και τα data centers είναι δύο προφανείς τομείς που θα δουν σημαντική αύξηση εσόδων εάν μπορούν να εφαρμόσουν αυτήν την τεχνολογία. Εδώ είναι μια εταιρεία που είναι ιδανικά τοποθετημένη για να αξιοποιήσει αυτές τις πληροφορίες.

Snowflake

Η Snowflake (SNOW ) εισήλθε στην αγορά cloud computing το 2012. Έχει την έδρα της στο Μοντάνα και ιδρύθηκε από τους Benoît Dageville, Thierry Cruanes και Marcin Żukowski για να παρέχει υψηλής απόδοσης cloud computing στην αγορά. Σήμερα, η Snowflake διαδραματίζει κρίσιμο ρόλο στην ενδυνάμωση των εταιρειών να αποθηκεύουν, να μεταφέρουν και να επεξεργάζονται δεδομένα στο cloud.

Η Snowflake θεωρείται από πολλούς ως κορυφαία επιλογή μετοχής λόγω της δέσμευσής της στην καινοτομία, των πρωτοποριακών υπηρεσιών και της θέσης της. Η εταιρεία πρόσφατα προκάλεσε ειδήσεις λόγω της πρωτοβουλίας One Million Minds + One Platform, η οποία στοχεύει στην εκπαίδευση εκατομμυρίων εργαζομένων στο AI μέχρι το 2029.

Η Snowflake είναι ένα από τα πιο αξιόπιστα ονόματα στον τομέα του cloud computing. Προς το παρόν, διαχειρίζεται πάνω από 4,2 δισεκατομμύρια ερωτήματα καθημερινά και έχει πάνω από 10.000 πελάτες, συμπεριλαμβανομένων 800 εταιρειών που έχουν εμφανιστεί στις λίστες του Forbes. Αυτή η υποστήριξη και η βάση πελατών θα μπορούσε να ενισχύσει το ενδιαφέρον για τις μετοχές της εταιρείας.

Εάν η Snowflake κατάφερε να εφαρμόσει ένα σύστημα αποθήκευσης φωτονικής σε ένα data center, θα μπορούσε να δει τεράστια ROI. Το σύστημα θα καταλαμβάνει λιγότερο χώρο, θα απαιτεί λιγότερη ενέργεια και θα παράγει πολύ λιγότερη θερμότητα. Επιπλέον, θα είχε απεριόριστη διάρκεια ζωής επανεγγραφής ενώ θα μπορούσε να προσφέρει μικρότερη καθυστέρηση στους πελάτες της. Κατ’ αυτόν τον τρόπο, θα μπορούσε να αυξήσει τα έσοδα.

Φωτονική – Χρήση του Φωτός για να Ανεβάσει την Υπολογιστική σε Επόμενο Επίπεδο

Η φωτονική θα μπορούσε να είναι αυτό που χρειάζεται ο κόσμος για να ξεκλειδώσει ένα νέο επίπεδο υπολογιστικής κατανόησης. Αυτή η τεχνολογία προσφέρει τη μακροβιότητα και τη βιωσιμότητα που αναζητούν οι μηχανικοί σήμερα. Συνεπώς, πολλοί θεωρούν αυτή την έρευνα κρίσιμη για την κίνηση AI. Όλοι αυτοί οι παράγοντες σημαίνουν ότι το κίνημα υπολογιστικής φωτονικής είναι ακριβώς στην ώρα του.

Μάθετε για άλλα ενδιαφέροντα έργα υπολογιστών εδώ.

Αναφορά Μελέτης:

^{1. Pintus, P., Dumont, M., Shah, V., et al. (2025). Integrated non-reciprocal magneto-optics with ultra-high endurance for photonic in-memory computing. Nature Photonics, 19(1), 54–62. https://doi.org/10.1038/s41566-024-01549-1}