Tekoälyn koulutus optiikakuidulla: Valoon perustuva harppaus

Miksi optiikkakuitu voisi korvata sähkön tekoälylaskennassa

Lähes kaikki tietokoneet ovat laskennan alkuajoista lähtien perustuneet tavalla tai toisella sähköä käyttäviin laskutoimituksiin, vanhoista tyhjiöputkista nykyaikaisiin nanometriluokan piisiruihin.

Piisirujen pienentyessä tutkijat ovat etsineet uusia tapoja rakentaa tietokoneita, joilla suorituskykyä voitaisiin kasvattaa piisirujen rajoja pidemmälle. Käsittelimme aihetta artikkelissa ”10 parasta muuhun kuin piihin perustuvan laskennan yritystä”.

Menetelmiin kuuluu esimerkiksi erilaisten materiaalien, kuten hiilikarbidin, vanadiinidioksidin, orgaanisten materiaalien tai grafeenin, käyttö. Toinen vaihtoehto on muuttaa laskennan toteutustapaa ja siirtyä pois sähköpohjaisen laskennan binäärisestä ohjelmoinnista. Tähän ryhmään kuuluvat kvanttilaskenta ja fotoniikka.

Fotoniikassa tietoa koodataan ja siirretään valolla sähkön sijaan. Tähän asti tieto on kuitenkin lopulta muunnettu binääriseksi signaaliksi, joten täysin valoon perustuvaa laskentaa ei ole syntynyt.

Tilanne muuttui Tampereen yliopiston ja Ranskassa Besançonissa sijaitsevan Université Marie et Louis Pasteurin tutkijoiden työn myötä. He käyttivät optista kuitua erittäin nopeisiin laskutoimituksiin ja julkaisivat tuloksensa Optics Letters¹ -tiedelehdessä otsikolla ”Epälineaarisen ja dispersiivisen kuituetenemisen rajoitukset optiseen kuituun perustuvassa extreme learning machine -järjestelmässä”.

Perinteisen tekoälyn koulutuksen rajoitukset elektronisilla järjestelmillä

Tekoälyn koulutus ja tietojenkäsittely lähestyvät tehokkuutensa rajoja, sillä energiankulutus ja tietojenkäsittelyn nopeus rajoittavat tekoälylaskentaa yhä enemmän.

Valoon perustuvat laskutoimitukset voivat sen sijaan olla tuhansia kertoja nopeampia, ja niissä tietoa voidaan koodata hyvin pieniin energiaeroihin, mikä parantaa tehokkuutta. Ongelmana on ollut se, ettei suoraa valolla tehtävää laskentaa ollut tähän mennessä toteutettu.

Tutkijat käyttivät työssään erityistä Extreme Learning Machine (ELM) -nimistä laskenta-arkkitehtuuria, joka on saanut vaikutteita neuroverkoista.

ELM-järjestelmien etuihin kuuluu se, että ne voivat oppia koulutusdatasta yhdessä vaiheessa ja niiden algoritmi on suhteellisen yksinkertainen.

ELM ei yleensä sovellu hyvin monimutkaisiin tehtäviin, jotka edellyttävät useita tekoälyn koulutuskerroksia. Se voi kuitenkin suoriutua erittäin hyvin ja tehokkaasti tietyistä tehtävistä, kuten visuaalisesta tunnistamisesta.

Kuinka tutkijat koodasivat kuvia optiikkakuitujen avulla

Tutkijat rakensivat optisen ELM-järjestelmän femtosekuntilaserpulsseista, jotka ovat miljardi kertaa kameran salamaa lyhyempiä, ja optisesta kuidusta, joka rajaa valon hiuksen paksuuden murto-osaa pienemmälle alueelle.

Laserpulssit ovat niin lyhyitä, että ne sisältävät suuren määrän eri aallonpituuksia eli värejä ja muodostavat siten monipuolisen tietoaineiston.

Seuraavaksi tutkijat lähettivät tiedot kuituun siten, että niiden suhteellinen viive koodattiin kuvan mukaisesti.

Lähde: Tampereen yliopisto

Epälineaarisen optiikan rooli tekoälyn prosessoinnissa

Tätä tiedon koodaustapaa muunsi valon ja lasin epälineaarinen vuorovaikutus.

Lineaarinen optiikka on koulussa opetettavaa tavallista optiikkaa, jossa valo esimerkiksi vuorovaikuttaa suoraan prisman kanssa.

Epälineaarisessa optiikassa valoa välittävän aineen reaktio riippuu valon aallonpituudesta, voimakkuudesta, suunnasta ja polarisaatiosta.

Epälineaariset optiset komponentit voivat saada eri taajuuksien fotonit yhdistymään ja muodostamaan uusia fotoneja uusilla taajuuksilla.

”Perinteisen elektroniikan ja algoritmien sijaan laskenta toteutetaan hyödyntämällä voimakkaiden valopulssien ja lasin epälineaarista vuorovaikutusta.”

Mathilde Hary ja Andrei Ermolaev – tutkijatohtorit

Epälineaarisella vuorovaikutuksella ja Extreme Learning Machine (ELM) -algoritmilla tekoäly voitiin kouluttaa luokittelemaan käsinkirjoitettuja numeroita, kuten tunnetussa MNIST-tekoälyvertailussa käytettyjä numeroita.

Lähde: Optics Letters

Parhaat järjestelmät saavuttivat yli 91 prosentin tarkkuuden, mikä on lähellä kehittyneimpien digitaalisten menetelmien tasoa.

Tuloksesta tekee poikkeuksellisen se, että se saavutettiin alle yhdessä pikosekunnissa eli sekunnin biljoonasosassa (0,000000000001 sekuntia).

Ihanteellinen optimointi

Parhaita tuloksia ei saavutettu epälineaarisen vuorovaikutuksen tai monimutkaisuuden enimmäistasolla.

Sen sijaan tarvittiin tarkka tasapaino kuidun pituuden, dispersion eli eri aallonpituuksien etenemisnopeuksien eron ja tehotason välillä.

”Suorituskyky ei riipu pelkästään siitä, että kuituun syötetään enemmän tehoa. Se riippuu siitä, kuinka tarkasti valo on aluksi jäsennelty, toisin sanoen miten tieto on koodattu, ja miten valo vuorovaikuttaa kuidun ominaisuuksien kanssa.”

Mathilde Hary – Postdoc-tutkija

Ovatko optiikkakuitutietokoneet tekoälyn tulevaisuus?

Tekoälyn kouluttaminen pelkästään valolla poikkeaa radikaalisti kaikista tähän asti käytetyistä menetelmistä. Menetelmä ei todennäköisesti sovellu kaikenlaiseen dataan, mutta soveltuvissa käyttökohteissa se voi tuottaa energiankulutukseltaan tuhat kertaa tehokkaampia ja jopa miljoona kertaa nopeampia tuloksia.

”Mallimme osoittavat, miten dispersio, epälineaarisuus ja jopa kvanttikohina vaikuttavat suorituskykyyn. Tämä tarjoaa ratkaisevaa tietoa seuraavan sukupolven optis-elektronisten tekoälyjärjestelmien suunnitteluun.”

Andrei Ermolaev – Postdoc-tutkija

Tällainen lähestymistapa tarkoittaisi todennäköisesti sitä, että osa tekoälylaskennasta siirrettäisiin tehtävää varten rakennettuun epälineaariseen optiseen kuitulaitteistoon. Siksi toistuvat tehtävät, kuten visuaalinen tunnistaminen, sopisivat menetelmälle paremmin kuin uuden tiedon käsittely.

”Tämä työ osoittaa, miten epälineaarisen kuituoptiikan perustutkimus voi synnyttää uusia laskentamenetelmiä. Yhdistämällä fysiikan ja koneoppimisen avaamme uusia reittejä erittäin nopeaan ja energiatehokkaaseen tekoälylaitteistoon.”

Andrei Ermolaev – Postdoc-tutkija

Mahdollisia käyttökohteita ovat reaaliaikainen signaalinkäsittely, ympäristön seuranta ja nopea tekoälypäättely.

Työssä ollaan kuitenkin vasta tekniikan perusperiaatteiden osoittamisen vaiheessa, ja kaupallistamiseen on vielä pitkä matka.

Tutkimus osoittaa silti, että fotoniikasta tulee todennäköisesti yhä tärkeämpi osa tietotekniikka-alaa. Fysiikan peruslakien vuoksi valo voi joissakin laskentasovelluksissa olla sähköä parempi vaihtoehto.

Parhaat julkisesti noteeratut laser- ja fotoniikkayritykset

Coherent (II-VI Marlow): Laserinnovaation johtaja

Coherent on suuri, yli 26 000 työntekijän teollisuuskonserni ja laserteknologian johtava yritys. Se syntyi edistyneitä materiaaleja valmistavan II-VI (COHR ) Marlow’n ja laserlaitevalmistaja Coherentin fuusiossa.

Yhtiö on erikoistunut lasereissa, optiikassa ja fotoniikassa käytettäviin kehittyneisiin materiaaleihin, kuten indiumfosfidiin, epitaksiaalisiin kiekkoihin ja galliumarsenidiin.

Yhtiön liikevaihto kasvoi suurelta osin viime vuosikymmenen useiden yritysostojen ansiosta 600 miljoonasta dollarista vuonna 2013 aina 4,7 miljardiin dollariin vuonna 2024.

Yhtiö saa 29 prosenttia liikevaihdostaan suoraan lasereista. Loppuosa liittyy optisten kuitujen ja elektroniikan kaltaisiin oheislaitteisiin. Instrumentointiluokkaan kuuluvat pääasiassa biotieteiden ja lääketieteen sovellukset.

Lähde: Coherent

Edistyneiden materiaalien, kuten termofotovoltaikan, jota käsittelimme aiemmassa artikkelissa, piikarbidin, laserien ja elektroniikan ansiosta yhtiö hyötyy täsmävalmistuksen, additiivisen valmistuksen eli 3D-tulostuksen, sähköistymisen ja uusiutuvan energian kaltaisista rakenteellisista kasvutrendeistä.

Yhtiö on äskettäin eriyttänyt piikarbidiliiketoimintansa uudeksi yhtiöksi, josta Coherent omistaa 75 prosenttia. Loput omistavat tasaosuuksin Mitsubishi Electric, joka tuo mukaan piikarbidiin perustuvan tehoelektroniikan immateriaalioikeuksia, ja Denso, joka tuo kokemuksensa autoalan sähköistymisestä ja tehopuolijohteista.

Piikarbidi on nimittäin kehittymässä omaksi teknologiakseen, jota käytetään pääasiassa suuritehoisissa sovelluksissa, kuten sähköajoneuvoissa, akuissa ja uusiutuvassa energiassa.

Coherent on johtava toimija lidarissa ja digitaalisessa 3D-havainnoinnissa, myös itseajavissa sovelluksissa, biotekniikan uuden sukupolven sekvensoinnin (NGS) virtauskennoissa sekä puolijohteiden valmistukseen tarkoitetuissa lasereissa. Yhtiö odottaa päämarkkinoidensa kasvavan 8–20 prosenttia.

Lähde: Coherent

Myös muut laserien uudet käyttökohteet, kuten suunnatun energian aseet, fotoninen laskenta, ydinfuusio ja avaruusteknologia, voivat tukea yhtiön pitkän aikavälin kasvua.

Coherent on alasta kiinnostuneelle sijoittajalle lähes puhdasverisin mahdollinen julkisesti noteerattu laseryhtiö. Sillä on vahva vertikaalinen integraatio ja yli 3 100 patenttia innovaatioidensa suojana.

Fotoniikan kehittyessä erittäin nopeiden ja tarkkojen laserjärjestelmien sekä optisessa tietoliikenteessä käytettävien laserien kysyntä kasvaa asteittain.

Uusimmat Coherent (COHR) -osakkeen uutiset ja kehitys

Viitattu tutkimus

^{1. Andrei V. Ermolaev, Mathilde Hary, et al. Epälineaarisen ja dispersiivisen kuituetenemisen rajoitukset optiseen kuituun perustuvassa extreme learning machine -järjestelmässä. Optics Letters. Vuosikerta 50, numero 13, s. 4166–4169 (2025) https://doi.org/10.1364/OL.562186}