Bisakah Fotoni Menjaga Hukum Moore Tetap Hidup?

Hukum Moore menyatakan bahwa jumlah transistor dalam sebuah sirkuit terintegrasi akan meningkat kira-kira setiap dua tahun, bersamaan dengan peningkatan daya komputer. Prinsip ini telah sebagian besar benar sejak 1965. Namun, dapat diasumsikan bahwa Gordon E. Moore, salah satu pendiri Intel (INTC ), tidak pernah mempertimbangkan bahwa chip akan mencapai batas miniaturisasi mereka, menyebabkan daya komputasi tertinggal.

Untungnya, tim insinyur dari University of California telah mengembangkan metode baru yang memanfaatkan fotoni untuk memberikan lebih banyak daya komputasi tanpa mengorbankan ukuran. Berikut yang perlu Anda ketahui.

Shrink’em

Dunia telah berupaya memperkecil komputer sejak penemuannya. Beberapa kakek-nenek Anda mungkin masih ingat ketika komputer memerlukan seluruh ruangan dan banyak orang untuk mengoperasikannya. Hari ini, jam tangan pintar Anda menyediakan lebih banyak daya komputasi daripada raksasa tersebut, dan itu baru permukaan dari apa yang dapat dicapai dalam mikrokomputasi. Perjalanan dari seluruh ruangan hingga mikroelektronik masa kini telah menjadi perjalanan yang menarik, penuh dengan percobaan, penemuan, dan kadang kegagalan.

Physical and Cost Limitations

Secara khusus, ada titik di mana pembuatan komponen mikroskopik seperti itu menjadi tidak terjangkau secara biaya. Menurut sebagian besar peneliti, pasar telah mencapai titik tersebut. Selain itu, peningkatan komputasi tidak sejalan dengan hukum Moore karena chip yang lebih kecil tidak dapat memberikan daya komputasi yang proporsional dengan chip yang lebih besar.

Akibatnya, terdapat kesenjangan yang semakin besar antara daya komputasi yang tersedia dan yang dibutuhkan, sehingga beberapa pemain terkenal di pasar, seperti CEO Nvidia (NVDA ), Jensen Huang, menyatakan bahwa hukum Moore sudah mati, dan menyebut prosesor khusus aplikasi sebagai masa depan.

Demand for High-Powered Computers

Pertumbuhan pesat kecerdasan buatan dan sistem pembelajaran mesin telah meningkatkan permintaan akan komputasi yang kuat dan platform cloud. Permintaan ini melampaui desain chip dalam hal kinerja, menciptakan bottleneck di sektor pengembangan AI yang membatasi inovasi. Sekarang, perlombaan sedang berlangsung untuk menyediakan solusi yang dapat memenuhi tuntutan komputer berdaya tinggi dan sistem AI masa kini.

Computing Power Solutions

Beberapa analis berpendapat bahwa satu solusi adalah membuat chip khusus yang memiliki logika dan pemrosesan pada chip yang sama. Pendekatan ini memang membantu mengurangi latensi dan penggunaan energi serta meningkatkan kinerja. Namun, keterbatasan komputasi masih membuatnya tidak ideal ketika membahas kebutuhan data AI yang masif.

Memory Computing

Solusi lain yang membuat peneliti bersemangat adalah komputasi memori. Metode penyimpanan ini memanfaatkan RAM akses cepat alih-alih hard drive berputar. Secara khusus, RAM dari jaringan komputer diatur menggunakan perangkat lunak middleware untuk menjalankan memori secara paralel. Metode penyimpanan ini 5000 kali lebih cepat daripada metode tradisional namun masih belum dapat mengikuti hukum Moore.

Photonics

Fotoni adalah metode lain komputasi berdaya tinggi yang menarik minat peneliti. Fotoni berfungsi dengan mendeteksi gelombang cahaya menggunakan elektronik. Ilmu ini berputar pada pembuatan dan pengendalian cahaya saat melewati matriks bobot optik yang dapat diprogram.

Bobot-bobot ini mengintegrasikan array 2D modulasi optik non-volatile yang memungkinkan melakukan transformasi linear pada vektor input optik. Strategi ini memberikan kecepatan switching yang lebih cepat dibandingkan metode komputasi RAM.

Current Limitations to Photonics

Beberapa kelemahan fotoni dalam komputasi meliputi bahwa sistem saat ini hanya dapat ditulis ulang sekitar 1000 kali. Umur terbatas ini menjadikannya opsi yang mahal. Selain itu, bobot optik memiliki kepadatan penyimpanan yang rendah dan pemrogramannya lebih lambat dibandingkan chip tradisional.

Sistem komputasi fotonik hadir dalam berbagai bentuk dan desain. Namun, sistem ini memerlukan proses manufaktur khusus yang jauh lebih mahal daripada rekan-rekannya. Meskipun ada kendala biaya, banyak peneliti percaya bahwa fotoni adalah masa depan komputasi dan bahwa hukum Wright adalah kunci implementasinya.

Wright’s Law

Ada juga hukum Wright, yang akan terus berperan dalam kemampuan kita untuk mengembangkan semikonduktor. Hukum ini adalah prinsip manufaktur yang diajukan oleh insinyur aeronautika, Theodore Paul Wright. Saat bekerja di pabrik pembuatan pesawat, ia memperhatikan bahwa kebutuhan tenaga kerja berkurang 15% seiring perbaikan proses manufaktur, meskipun tingkat produksi meningkat.

Penghematan biaya ini berasal dari proses yang ditingkatkan, teknologi, sistem pemulihan, dan peningkatan lain yang dilakukan selama produksi. Oleh karena itu, banyak analis percaya bahwa hukum Wright akan membantu menjadikan fotoni pilihan yang lebih tersedia dan lebih murah di masa depan.

Anda dapat melihat Hukum Wright sudah terjadi di sektor AI. Beberapa tahun lalu, akan mustahil bagi orang rata-rata untuk mengakses atau mengoperasikan sistem AI. Membuat model AI, mengelola, dan memperbaruinya terlalu mahal. Selain itu, belum ada cara yang dapat diandalkan bagi AI untuk berinteraksi dengan manusia.

Namun, sejak program seperti ChatGPT masuk pasar, siapa pun kini dapat memanfaatkan alat kuat ini untuk meningkatkan efisiensi dan kreativitas mereka. Sistem ini mengintegrasikan model bahasa besar yang memudahkan siapa saja mengoperasikannya melalui perintah chat sederhana. Perkembangan ini mendorong adopsi AI melambung, yang menyebabkan kekurangan daya komputasi saat ini.

Photonics Study

Studi “Integrated non-reciprocal magneto-optics with ultra-high endurance for photonic in-memory computing”¹ yang dipublikasikan dalam jurnal Nature Photonics mengungkap metode baru komputasi optik yang dapat merevolusi pasar. Studi ini membahas secara detail tentang pengkodean bobot optik untuk komputasi fotonik dalam memori.

Source – Nature

Para peneliti memilih menggunakan sel memori magneto-optik dan arsitektur fotonik berbasis resonansi untuk mencapai tujuan komputasi mereka. Strategi ini bergantung pada pergeseran fase non-reciprocal dalam material magneto-optik sebagai cara untuk mengimplementasikan komputasi fotonik dalam memori.

Model matematis baru memungkinkan tim menguji material magneto-optik. Mereka menemukan bahwa yttrium iron garnet (YIG) yang disubstitusi dengan cerium memungkinkan mereka memanfaatkan medan magnet eksternal untuk mengendalikan propagasi cahaya. Cahaya yang dikendalikan ini kemudian dapat digunakan untuk melakukan perhitungan.

Studi tersebut menunjukkan bagaimana magnet kecil dapat menyimpan data secara efisien dan mengaksesnya dengan kecepatan kilat.

Proses pengkodean magnet bekerja dengan mengatur kekuatan domain magnetik unit. Untuk mengoperasikan perangkat, sinyal elektronik harus dikonversi ke domain optik menggunakan modulasi elektro-optik (E/O) untuk pemrograman dan penyimpanan. Dari sana, Balanced photodetectors (BPDs) mengubah sinyal optik diferensial kembali menjadi sinyal listrik sehingga logika CMOS dapat memprosesnya bersama SRAM.

Photonics Test

Untuk menguji sel memori magneto-optik non-volatile mereka, peneliti menyiapkan berbagai pendekatan. Mereka memulai dengan input listrik 2-bit yang memungkinkan mereka memperoleh dua bobot optik positif dan dua negatif. Dari sana, medan magnet dimanipulasi untuk memantau perubahan.

Cerium-substituted Yttrium Iron Garnet (YIG),

YIG kristalin tunggal setebal 500 nm ditumbuhkan di laboratorium menggunakan metode sputtering frekuensi radio pada 750 °C untuk fase pengujian. Secara khusus, tim memutuskan menggunakan wafer dengan radius cincin 35 µm. Selain itu, lapisan silikon oksida tipis 10 nm diintegrasikan sebagai pemisah antara lapisan silikon dan lapisan Ce: YIG.

Photonics Programming

Pemrograman keadaan sel memori memerlukan medan magnet radial dalam bidang yang disuplai oleh elektromagnet emas terintegrasi. Sistem dapat mengukur secara elektronik perubahan kehilangan optik tergantung pada arah dan medan magnet yang diterapkan melalui lapisan tipis ferromagnetik.

Pengaturan ini menciptakan medan magnet yang dapat diprogram dan non-volatile, memungkinkan insinyur menghasilkan pergeseran fase optik non-reciprocal dalam sel memori. Secara khusus, studi mencatat mode searah jarum jam (CW) dan berlawanan arah jarum jam (CCW) pada resonator mikro-cincin sebagai cara untuk memprogram dan mengakses data komputasi.

Photonics Life Cycle

Menguji siklus hidup memori merupakan langkah selanjutnya. Tim memprogram generator fungsi sewenang-wenang yang beralih antara pulsa tulis dan hapus sebagai bagian dari pendekatan mereka. Sistem diatur pada kecepatan 10 kHz. Insinyur kemudian menggunakan amplitudo ±5 V dan lebar pulsa 500 ns untuk meniru penulisan ulang dunia nyata. Hasilnya sangat membuka mata.

Photonics Results

Hasil pengujian menunjukkan bagaimana metode fotoni baru ini dapat mengubah komputasi selamanya. Pertama, sistem baru menunjukkan kemampuan penulisan ulang yang hampir tak terbatas. Secara khusus, tercapai 2,4 miliar siklus pemrograman.

Selain itu, insinyur menentukan bahwa memanfaatkan pergeseran fase non-reciprocal dalam material magneto-optik memungkinkan pemrograman yang deterministik, cepat, dan efisien. Data menunjukkan kecepatan pemrograman sekitar ~1 GHz dimungkinkan. Selain itu, tim mencapai non-volatility, pengkodean multi-level yang melampaui metode saat ini. Akibatnya, penelitian ini dapat merevolusi pasar komputer ke depan.

Photonics Benefits

Beberapa manfaat menjadikan studi fotoni ini pengubah permainan. Pertama, sistem baru dapat melakukan operasi kompleks yang memerlukan daya komputasi besar. Sistem ini ideal untuk operasi AI dan ML yang membutuhkan perkalian matriks-vektor serta ilmu lanjutan lainnya.

Reduced Latency

Para ilmuwan menemukan bahwa fotoni memberikan kecepatan lebih tinggi dibandingkan opsi tradisional. Tahap pengujian mengungkap akses memori 1 ns. Kecepatan ini 100 kali lebih cepat daripada perangkat fotoni sebelumnya, membuka pintu bagi tingkat inovasi baru.

Lower Energy Consumption

Efisiensi energi adalah manfaat lain yang dibawa sistem fotoni ke pasar. Sistem ini dapat memprogram ulang dan mengakses memori dengan sebagian kecil kebutuhan daya dibandingkan opsi lain. Tim mencatat efisiensi 143 fJ per bit, menjadikan kebutuhan sistem baru hanya 1/10 dari opsi fotoni lainnya.

Reprogrammable

Salah satu keunggulan terbesar penelitian fotoni adalah pengungkapan bahwa perangkat ini memiliki siklus dapat diprogram ulang yang hampir tak terbatas. Tidak ada opsi penyimpanan komputasi lain yang memberi pengguna kemampuan menulis ulang data +2Bx. Oleh karena itu, penelitian ilmiah ini dapat memberikan dampak besar pada pusat data.

Photonics Researchers

Penelitian fotoni dipimpin oleh Santa Barbara, John Bowers, dan Galan Moody. Paolo Pintus, Nathan Youngblood, Yuya Shoji, dan Mario Dumont juga memainkan peran penting dalam penelitian dan pengembangan sistem fotoni. Sekarang, tim akan berupaya memperluas penelitian mereka ke material lain untuk menemukan opsi terbaik yang akan mendukung revolusi AI masa depan.

Companies that Can Benefit from the Photonics Research

Ada berbagai perusahaan yang dapat memanfaatkan penelitian ini untuk meningkatkan produk dan layanan mereka. Jaringan komputasi awan dan pusat data adalah dua sektor jelas yang akan melihat peningkatan pendapatan signifikan jika mereka dapat mengimplementasikan teknologi ini. Berikut satu perusahaan yang sangat cocok memanfaatkan informasi ini.

Snowflake

Snowflake (SNOW ) memasuki pasar komputasi awan pada tahun 2012. Perusahaan ini berpusat di Montana dan didirikan bersama oleh Benoît Dageville, Thierry Cruanes, dan Marcin Żukowski untuk menyediakan komputasi awan berperforma tinggi ke pasar. Hari ini, Snowflake memainkan peran penting dalam memungkinkan perusahaan menyimpan, memigrasi, dan memproses data di awan.

Snowflake dianggap oleh banyak orang sebagai pilihan saham teratas karena komitmennya terhadap inovasi, layanan mutakhir, dan posisinya. Perusahaan baru-baru ini menjadi sorotan karena inisiatif One Million Minds + One Platform yang bertujuan meningkatkan keterampilan jutaan pekerja pada AI pada tahun 2029.

Snowflake adalah salah satu nama paling terkemuka di sektor komputasi awan. Saat ini, mereka menangani lebih dari +4,2 miliar kueri per hari dan memiliki lebih dari +10.000 pelanggan, termasuk 800 perusahaan yang masuk dalam daftar Forbes. Dukungan dan basis pelanggan ini dapat meningkatkan minat terhadap saham perusahaan.

Jika Snowflake dapat mengimplementasikan sistem penyimpanan fotoni di pusat data, mereka dapat melihat ROI yang besar. Sistem ini akan memakan ruang lebih sedikit, membutuhkan energi lebih rendah, dan menghasilkan panas jauh lebih sedikit. Selain itu, mereka akan memiliki umur penulisan ulang tak terbatas sambil dapat menawarkan latensi lebih rendah kepada klien mereka. Hal ini pada gilirannya dapat meningkatkan pendapatan.

Photonics – using Light to Take Computing to the Next Level

Fotoni mungkin menjadi apa yang dunia butuhkan untuk membuka tingkat pemahaman komputasi baru. Teknologi ini menawarkan umur panjang dan keberlanjutan yang dicari insinyur saat ini. Akibatnya, banyak yang melihat penelitian ini sebagai kunci bagi gerakan AI. Semua faktor ini berarti bahwa gerakan komputasi Fotoni tepat pada waktunya.

Pelajari proyek komputasi keren lainnya di sini.

Study Reference:

^{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}