Calcolare alla velocità della luce con la fotonica su silicio

Gli ingegneri dell’Università della Pennsylvania hanno sviluppato un chip che utilizza onde luminose invece di elettricità per eseguire calcoli matematici intricati necessari per addestrare l’intelligenza artificiale (AI). Questa innovazione potrebbe aumentare notevolmente la velocità di elaborazione e ridurre il consumo di energia dei dispositivi.

Lo studio, pubblicato su Nature Photonics, mostra che si tratta di una “struttura a basso contrasto di indice inverso-progettata” su una piattaforma di fotonica su silicio (SiPh), potenzialmente in grado di abilitare piattaforme di calcolo analogico a larga scala basate su onde.

La fotonica su silicio utilizza silicio, un elemento abbondantemente disponibile e a basso costo utilizzato nella produzione di massa di chip per computer, integrando componenti come fotodetettori, interruttori ottici, guide d’onda ottiche e modulatori ottici su un substrato di silicio.

Il chip di fotonica su silicio (SiPh) di questo studio manipola materiali a scala nanometrica per eseguire calcoli matematici utilizzando la luce. Questo metodo di interazione di onde luminose con la materia promette di sviluppare computer che superino le limitazioni attuali dei chip odierni.

“Abbiamo deciso di unire le forze”, ha dichiarato il professore H. Nedwill Ramsey Nader Engheta, facendo riferimento allo sviluppo di dispositivi di silicio a scala nanometrica da parte del gruppo di ricerca di Firooz Aflatouni, che è professore associato di Ingegneria elettrica e dei sistemi.

L’obiettivo è stato quello di sviluppare una piattaforma per eseguire la moltiplicazione di matrici e vettori (VMM), utilizzata nello sviluppo e nel funzionamento di reti neurali che alimentano gli strumenti di intelligenza artificiale attuali.

Secondo lo studio, mentre le metastrutture SiPh inverse-progettate eseguono efficientemente calcoli analogici con onde elettromagnetiche, scalare queste strutture per gestire un gran numero di canali di dati presenta una sfida. Per affrontare questo problema, il team ha adottato un approccio di progettazione inversa 2D per creare sistemi di lenti amorfe compatte che sono tipicamente feed-forward e a bassa risonanza. Lo studio ha dimostrato con successo un prodotto di matrice e vettore per matrici 2 × 2 e 3 × 3 e ha progettato una matrice 10 × 10.

Invece di utilizzare un wafer di silicio di altezza uniforme, il team ha assottigliato selettivamente il silicio in aree specifiche. Queste variazioni di altezza consentono il controllo della trasmissione della luce attraverso il chip.

Distribuendo queste variazioni, il chip diffonde la luce in modelli specifici, consentendo di eseguire calcoli matematici alla velocità della luce, il metodo di comunicazione più veloce possibile.

Secondo Aflatouni, questo design è già pronto per applicazioni commerciali a causa delle limitazioni imposte dal foundry commerciale che ha prodotto i chip. Inoltre, il design può potenzialmente essere adattato per l’uso in unità di elaborazione grafica (GPU), un circuito elettronico specializzato attualmente in grande domanda in linea con la febbre dell’AI. Integrando la piattaforma di fotonica su silicio come componente aggiuntivo, Aflatouni menziona, si può accelerare il processo di addestramento e classificazione.

Tuttavia, i benefici vanno oltre la velocità e l’efficienza energetica, poiché il chip migliora anche la privacy. Quindi, consentendo che molti calcoli avvengano contemporaneamente, non c’è bisogno di archiviare informazioni sensibili nella memoria di lavoro del computer. Ciò rende un computer alimentato da tale tecnologia essenzialmente non violabile. Aflatouni ha osservato:

“Nessuno può violare una memoria inesistente per accedere alle tue informazioni.”

Finanziato in parte da una sovvenzione dell’US Air Force Office of Scientific Research’s Multidisciplinary University Research Initiative e da un’altra sovvenzione dell’US Office of Naval Research, questo studio mira a superare le limitazioni dei chip attualmente in uso, che operano secondo principi che sono in vigore da molti decenni. Tuttavia, sfruttando il potere della luce, questo nuovo approccio può aprire la strada a una nuova generazione di sviluppo di intelligenza artificiale.

Il grande potenziale della fotonica su silicio

Negli ultimi decenni, la ricerca e lo sviluppo di questo materiale sono continuati. Recentemente, tuttavia, la fotonica su silicio (SiPh) ha guadagnato attenzione a causa della crescente domanda di elaborazione di dati veloce ed efficiente.

Questo crescente interesse ha portato le dimensioni del mercato globale della fotonica su silicio a valere 1,29 miliardi di dollari nel 2022 e si prevede che cresca a un tasso di crescita annuo composto del 25,8% entro la fine di questo decennio, secondo Grand View Research. Questa crescita è dovuta alla necessità di tassi di trasferimento di dati più elevati e applicazioni a intensità di larghezza di banda.

La fotonica su silicio è la piattaforma ideale in questo caso a causa della sua efficienza economica e della sua alta densità di integrazione. Inoltre, poiché la fotonica su silicio è compatibile con la fabbricazione elettronica, i circuiti integrati fotonicamente (PIC) possono essere prodotti utilizzando l’infrastruttura di foundry stabilita. La fotonica su silicio ha inoltre il potenziale di integrare centinaia o migliaia di dispositivi in circuiti integrati fotonicamente complessi con una progettazione e una fabbricazione scalabili simili a CMOS, aprendo nuove applicazioni all’intersezione tra fotonica e calcolo.

Pertanto, grazie alla sua trasmissione ad alta velocità, alta densità di integrazione, ottime proprietà ottiche, basso consumo di energia e produzione relativamente economica, la fotonica su silicio è diventata una tecnologia preziosa in una varietà di campi.

Ad esempio, la ricerca è in corso sull’applicazione della fotonica su silicio nel LiDAR per la guida autonoma e l’automazione industriale. Il LiDAR utilizza la luce riflessa sulle superfici invece di segnali radiofrequency (RF) per analizzare e fornire informazioni critiche sull’ambiente circostante.

Inoltre, la fotonica su silicio può essere utilizzata per il rilevamento (ad esempio, rilevamento ottico), dove la trasmissione di un segnale e la ricezione del segnale ottico trasmesso possono aiutare a determinare le proprietà dell’ambiente circostante. Ciò può essere utile per le applicazioni sanitarie e le applicazioni indossabili per i consumatori.

Oltre ai veicoli autonomi e al rilevamento, l’uso della fotonica su silicio è stato esplorato anche nelle telecomunicazioni, nelle comunicazioni quantistiche, nella biomedicina, nell’aerospaziale, nell’astronomia e nella realtà aumentata e virtuale. La fotonica su silicio mostra anche promesse per l’integrazione completa e l’elaborazione quantistica dell’informazione ottica su larga scala.

Poi c’è l’intelligenza artificiale, che richiede un calcolo ad alte prestazioni. Con la mania dell’AI che raggiunge nuove vette e destinata a crescere ulteriormente, l’industria dei chip si trova ad affrontare un pressing bisogno di innovazione. Sta lavorando diligentemente per inserire più transistor su un singolo chip per migliorare notevolmente la potenza di elaborazione e l’efficienza energetica. Tali miglioramenti sono cruciali per addestrare e far funzionare algoritmi di intelligenza artificiale in modo più preciso, veloce e economico.

Nel tentativo di vincere la corsa ai semiconduttori, anche la Cina sta costruendo una linea di produzione di chip fotonicamente a causa della sua velocità di calcolo più veloce e della sua capacità di informazione più grande, che sarà notevolmente superiore ai chip a base di silicio esistenti.

Un gioco di cambiamento per l’AI

La mania dell’AI non mostra segni di rallentamento. Questa nuova ondata di avanzamento tecnologico è emersa come una forza potente che rivoluzionerà molti settori e trasformerà il futuro. Con l’AI che diventa rapidamente una parte integrante della nostra vita quotidiana e le applicazioni a intensità di dati che crescono in complessità, tutti, dalle aziende ai governi, dalle istituzioni ai ricercatori, stanno cercando modi per renderla più efficiente.

Ciò sta portando le persone alla fotonica su silicio, che è una delle tecnologie più promettenti per affrontare calcoli complessi e costosi eseguiti da reti neurali profonde, un subset di algoritmi di apprendimento automatico che consente a un modello di avere prestazioni più accurate. Le reti profonde sono costituite da strati che contengono relazioni matematiche.

Con tali complessità coinvolte, la fotonica su silicio può aiutare a migliorare le prestazioni e l’efficienza dei costi, il che migliorerebbe la funzione delle applicazioni di intelligenza artificiale e apprendimento automatico. Il mondo dell’AI/ML necessita che i dati vengano scambiati rapidamente mentre si consuma poca energia possibile e, allo stesso tempo, deve mantenere un’elevata densità computazionale.

Qui, la fotonica su silicio consente una migliore comunicazione tra le unità di calcolo. Il materiale consente inoltre l’uso di interconnessioni ottiche a corto raggio per trasferire dati in modo efficiente su distanze relativamente brevi all’interno delle applicazioni di AI/ML. La trasmissione rapida dei dati è essenziale per la presa di decisioni in tempo reale.

In questo modo, la fotonica su silicio contribuisce all’efficacia complessiva e alle prestazioni dei sistemi di intelligenza artificiale. Sfruttando questo materiale, le aziende possono anche sbloccare capacità computazionali più grandi e ottenere risultati più precisi e reattivi.

La fotonica su silicio è particolarmente adatta al calcolo a causa della capacità di questi circuiti di essere più veloci dei circuiti elettronici tradizionali. Inoltre, l’elaborazione ottica è intrinsecamente parallela, il che rende possibile eseguire più azioni contemporaneamente.

La fotonica su silicio consente inoltre di combinare componenti fondamentali in numerose combinazioni per costruire circuiti molto complessi, consentendo la creazione di sistemi avanzati personalizzati per applicazioni specifiche.

Il futuro della fotonica su silicio nell’AI, come stiamo vedendo, è luminoso, dato il suo potenziale per trasformare algoritmi di intelligenza artificiale e ulteriori capacità dei sistemi di intelligenza artificiale. È un momento interessante per la fotonica su silicio, senza dubbio.

Clicca qui per scoprire tutto sull’investimento in intelligenza artificiale.

Un’occhiata ai principali produttori di chip

Ora, diamo un’occhiata a un paio di nomi prominenti che sono nel settore della produzione di chip:

#1. NVIDIA Corporation

Il leader nel settore dei chip, Nvidia, è attualmente la terza azienda più preziosa del mercato azionario statunitense. Dopo tutto, controlla circa l’80% del mercato dei chip di intelligenza artificiale. Con le sue azioni che negoziano a 793,50 dollari, l’azienda ha raggiunto una capitalizzazione di mercato di 1,95 trilioni di dollari.

Le azioni di Nvidia sono state volando come pazze e sono già aumentate del 58,6% dall’inizio dell’anno. Con ciò, l’azienda ha un EPS (TTM) di 11,93, un P/E (TTM) di 65,84 e un ROE (TTM) di 69,17%. Paga anche un dividendo dello 0,02%.

#2. Intel Corporation

Il produttore di chip statunitense sta facendo un ritorno come sta espandendo il suo settore di foundry, che produce progetti di chip per altre aziende. Microsoft ha scelto l’azienda per produrre i suoi semiconduttori di alta gamma e “ricostruire la produzione occidentale su larga scala”.

Il chip sarà progettato per utilizzare il processo di produzione 18A di Intel, un processo di produzione che rende i semiconduttori più piccoli e più efficienti in termini di energia. “Intel è l’azienda campione dei chip del paese”, ha dichiarato il segretario al Commercio statunitense Gina Raimondo, notando che Google, OpenAI e altri che costruiscono LLM avrebbero bisogno di “un volume sbalorditivo” di semiconduttori nei prossimi anni.

Al momento della scrittura, le azioni di Intel sono scambiate a 43,12 dollari, in calo del 14,47% dall’inizio dell’anno, il che porta la capitalizzazione di mercato dell’azienda a 181,7 miliardi di dollari. Ha un EPS (TTM) di 0,38, un P/E (TTM) di 113,46 e un ROE (TTM) di 1,63%. Paga anche un dividendo dell’1,16%. Secondo il CEO di Intel Pat Gelsinger:

“La domanda complessiva (di chip di AI) sembra insaziabile per diversi anni nel futuro.”

#3. Samsung

Il gigante tecnologico sudcoreano sta pianificando di rilasciare la sua tecnologia di chip da 2 nm per guadagnare un vantaggio sugli altri produttori di chip. Secondo il piano del Samsung Foundry Forum (SFF), l’azienda inizierà a produrre il processo 2 nm su larga scala nel 2025 per applicazioni mobili e passerà alle applicazioni di calcolo ad alte prestazioni l’anno successivo e poi si sposterà nel settore automobilistico. Un anno dopo, Samsung è previsto iniziare il processo 1,4 nm.

L’azienda ha una capitalizzazione di mercato di 373 miliardi di dollari con le sue azioni che negoziano a 1.373 dollari. Samsung ha un rapporto P/E (TTM) di 14,25, un EPS (TTM) di 96,44 e paga un dividendo dell’1,98%. Durante il suo rapporto finanziario del quarto trimestre 2023, Samsung ha notato che la sua divisione di foundry ha ottenuto un accordo per i suoi chip di AI da 2 nm da parte dell’azienda giapponese di intelligenza artificiale Preferred Networks (PFN), che aveva precedentemente lavorato con Taiwan Semiconductor Manufacturing Co (TSMC).

Conclusione

Mentre i progressi nell’AI spingono la domanda di potenza di calcolo aumentata, la fotonica su silicio è emersa come una tecnologia promettente, che ha il potenziale di ridurre la latenza mentre aumenta l’efficienza, consentendo la fabbricazione di componenti fotonicamente su silicio utilizzando processi di produzione di semiconduttori standard.

Mentre la fotonica su silicio ha molti vantaggi, non sostituirà i chip elettronici nel breve termine. Ciò è dovuto al fatto che le capacità della fotonica su silicio rimangono a focale stretta e hanno barriere tecniche in termini di sviluppo del software per ottimizzare le loro capacità. Quindi, ci vorrà del tempo prima che l’uso della fotonica su silicio diventi diffuso, ma questa tecnologia è solo all’inizio e, dato il tasso di avanzamento della tecnologia di intelligenza artificiale, ciò può sicuramente essere accelerato.

Clicca qui per scoprire lo stato attuale del calcolo quantistico.