Calcolo alla velocità della luce con la fotonica al silicio

Gli ingegneri dell’Università della Pennsylvania hanno sviluppato un chip che utilizza onde luminose invece dell’elettricità per eseguire complesse operazioni matematiche necessarie per addestrare l’intelligenza artificiale (AI). Questa innovazione potrebbe accelerare notevolmente l’elaborazione e ridurre il consumo energetico dei dispositivi.

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

La fotonica al silicio utilizza il silicio, un elemento abbondante ed economico impiegato nella produzione di massa di chip per computer, integrando componenti come fotodetettori, switch ottici, guide d’onda ottiche e modulatori ottici su un substrato di silicio.

Il chip fotonico al silicio (SiPh) di questo studio manipola i materiali a livello nanometrico per eseguire calcoli matematici usando la luce. Questo metodo di interazione tra onde luminose e materia promette di sviluppare computer che superino le attuali limitazioni dei chip odierni.

“Abbiamo deciso di unire le forze,” ha detto il professor H. Nedwill Ramsey Nader Engheta, riferendosi allo sviluppo di dispositivi al silicio su scala nanometrica dal gruppo di ricerca di Firooz Aflatouni, professore associato di Ingegneria Elettrica e dei Sistemi.

L’obiettivo è stato sviluppare una piattaforma per eseguire la moltiplicazione vettore-matrice (VMM), utilizzata nello sviluppo e nel funzionamento delle reti neurali che alimentano gli attuali strumenti di AI.

Secondo lo studio, mentre le metastructures SiPh progettate inversamente eseguono in modo efficiente calcoli analogici con onde elettromagnetiche, scalarle per gestire un gran numero di canali dati rappresenta una sfida. Per affrontare ciò, il team ha adottato un approccio di progettazione inversa 2D per creare sistemi di lenti amorfe compatti, tipicamente feed-forward e a bassa risonanza. Lo studio ha dimostrato con successo un prodotto vettore‑matrice per matrici 2 × 2 e 3 × 3 e ha anche progettato una matrice 10 × 10.

Invece di utilizzare una lastra di silicio di altezza uniforme, il team ha assottigliato selettivamente il silicio in aree specifiche. Queste variazioni di altezza consentono di controllare la trasmissione della luce attraverso il chip.

Distribuendo queste variazioni, il chip disperde la luce in schemi specifici, permettendogli 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 grazie ai vincoli imposti dalla fonderia commerciale che ha prodotto i chip. Inoltre, il design può potenzialmente essere adattato per l’uso in unità di elaborazione grafica (GPU), circuiti elettronici specializzati attualmente molto richiesti in linea con il fervore per l’AI. Integrando la piattaforma di fotonica al silicio come componente aggiuntiva, Aflatouni osserva, si potrebbe accelerare i processi di addestramento e classificazione.

Tuttavia, i vantaggi vanno oltre velocità ed efficienza energetica, poiché il chip migliora anche la privacy. Consentendo molte computazioni simultanee, non è necessario memorizzare informazioni sensibili nella memoria di lavoro del computer. Questo rende un computer alimentato da tale tecnologia sostanzialmente non vulnerabile agli attacchi. Aflatouni ha osservato:

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

Finanziato in parte dall’Ufficio di Ricerca Scientifica dell’Aeronautica Militare degli Stati Uniti (Multidisciplinary University Research Initiative) e da un’altra dell’Ufficio di Ricerca Navale degli Stati Uniti, questo studio mira a superare le limitazioni dei chip attualmente in uso, che operano secondo principi in vigore da decenni. Utilizzando la potenza della luce, questo nuovo approccio può aprire la strada alla nuova generazione di sviluppo AI.

Il vasto potenziale della fotonica al silicio

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

Questo crescente interesse ha portato il mercato globale della fotonica al silicio a un valore di $1,29 miliardi nel 2022 e si prevede che crescerà a un CAGR del 25,8 % entro la fine di questo decennio, secondo Grand View Research. Questa crescita è dovuta alla necessità di velocità di trasferimento dati più elevate e di applicazioni ad alta intensità di larghezza di banda.

SiPh è la piattaforma ideale per questo grazie alla sua efficienza economica e all’alta densità di integrazione. Inoltre, poiché SiPh è compatibile con la fabbricazione elettronica, i circuiti fotonici integrati (PIC) SiPh possono essere prodotti utilizzando le infrastrutture di fonderia consolidate. SiPh ha inoltre il potenziale di integrare centinaia o migliaia di dispositivi in PIC complessi con una scalabilità di progettazione e fabbricazione simile al CMOS, aprendo nuove applicazioni all’intersezione tra fotonica e calcolo.

Pertanto, grazie alla sua trasmissione ad alta velocità, alta densità di integrazione, eccellenti proprietà ottiche, consumo energetico ridotto e produzione relativamente economica, la fotonica al silicio è diventata una tecnologia preziosa in diversi settori.

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

Inoltre, la fotonica al silicio può essere utilizzata per il sensing (cioè il rilevamento ottico), dove la trasmissione di un segnale e la ricezione del segnale ottico trasmesso possono aiutare a determinare le proprietà dell’ambiente circostante. Questo può essere utile per applicazioni sanitarie e per dispositivi indossabili di monitoraggio della salute.

Oltre ai veicoli autonomi e al sensing, l’uso della fotonica al silicio è stato esplorato nelle telecomunicazioni, nelle comunicazioni quantistiche, nel biomedicale, nell’aerospazio, nell’astronomia e nella realtà aumentata/virtuale (AR/VR). La fotonica al silicio mostra inoltre promettenti prospettive per l’integrazione completa e l’elaborazione quantistica ottica su larga scala.

Poi c’è l’AI, che richiede calcolo ad alte prestazioni. Con l’entusiasmo per l’AI che raggiunge nuovi picchi e destinato a crescere ulteriormente, l’industria dei chip affronta una necessità urgente di innovazione. Sta lavorando diligentemente per inserire più transistor su un singolo chip per aumentare significativamente la potenza di elaborazione e l’efficienza energetica. Tali miglioramenti sono cruciali per addestrare e far funzionare gli algoritmi AI in modo più accurato, veloce ed economico.

Nel tentativo di vincere la corsa ai semiconduttori, anche la Cina sta costruendo una linea di produzione di chip fotonici grazie alla loro velocità di calcolo più rapida e alla capacità informativa maggiore, che sarà significativamente superiore ai chip basati su silicio esistenti.

Un punto di svolta per l’AI

L’entusiasmo per l’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 sta rapidamente diventando parte integrante della nostra vita quotidiana e le applicazioni ad alta intensità di dati che crescono in complessità, aziende, governi, istituzioni e scienziati cercano modi per renderla più efficiente.

Ciò sta spingendo le persone verso la fotonica al silicio, una delle tecnologie più promettenti per affrontare i calcoli complessi e costosi eseguiti dalle reti neurali profonde, una sottofamiglia di algoritmi di apprendimento automatico che consente a un modello di avere prestazioni più accurate. Le reti profonde sono composte da strati che contengono relazioni matematiche.

Con tali complessità, la fotonica al silicio può contribuire a migliorare le prestazioni e l’efficienza dei costi, migliorando il funzionamento delle applicazioni AI e di machine learning. Il mondo AI/ML necessita di scambiare dati rapidamente consumando il meno possibile energia e, allo stesso tempo, mantenere un’elevata densità computazionale.

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

In questo modo, la fotonica al silicio contribuisce all’efficacia e alle prestazioni complessive dei sistemi AI. Sfruttando questo materiale, le aziende possono sbloccare maggiori capacità computazionali e ottenere risultati più accurati e reattivi.

La fotonica al silicio è particolarmente adatta al calcolo grazie alla capacità di questi circuiti di essere più veloci rispetto ai tradizionali circuiti elettronici. Inoltre, il loro processamento ottico è intrinsecamente parallelo, il che rende possibile eseguire più operazioni contemporaneamente.

La fotonica al silicio consente inoltre di combinare componenti fondamentali in numerose configurazioni per costruire circuiti molto complessi, permettendo la creazione di sistemi avanzati su misura per applicazioni specifiche.

Il futuro della fotonica al silicio nell’AI, come stiamo vedendo, è luminoso, dato il suo potenziale di trasformare gli algoritmi AI e le capacità dei sistemi AI. È davvero un periodo interessante per la fotonica al silicio.

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

Uno sguardo ai principali produttori di chip

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

#1. NVIDIA Corporation

Il leader nell’industria dei chip, Nvidia, è attualmente la terza azienda più preziosa del mercato azionario statunitense. Dopotutto, controlla circa l’80 % del mercato dei chip AI. Con le sue azioni quotate a 793,50 $, l’azienda ha raggiunto una capitalizzazione di mercato di 1,95 trilioni di dollari.

Le azioni di Nvidia sono salite alle stelle 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 rendimento da dividendo dello 0,02 %.

Con la domanda in aumento a livello globale in tutti i settori e le nazioni, Nvidia ha riportato i risultati del quarto trimestre, con un fatturato più che triplicato a 22,1 miliardi di dollari. Secondo il CEO e cofondatore Jensen Huang:

“Il calcolo accelerato e l’AI generativa hanno raggiunto il punto di svolta.”

L’aumento della domanda per i suoi chip ha portato l’azienda a prevedere una crescita del 233 % dei ricavi nel primo trimestre. Il chip H100 per data center dell’azienda è ciò che aiuta Nvidia a guidare lo spazio AI. È ottimizzato per elaborare enormi quantità di dati e calcoli ad alta velocità, rendendolo una soluzione perfetta per l’energia intensiva attività di addestramento dei modelli AI.

Clicca qui per scoprire tutto sull’investimento in NVIDIA Corporation (NVDA).

#2. Intel Corporation

Il produttore di chip con sede negli Stati Uniti sta facendo un ritorno mentre espande il suo business di fonderia, che produce progetti di chip per altre aziende. Microsoft ha scelto la società per realizzare i suoi semiconduttori di fascia alta e “ricostruire la produzione occidentale su larga scala.”

Il chip sarà progettato per utilizzare il nodo 18A di Intel, un processo di fabbricazione che rende i semiconduttori più piccoli e più efficienti dal punto di vista energetico. “Intel è la compagnia di chip di punta del paese,” ha dichiarato la Segretaria al Commercio degli Stati Uniti Gina Raimondo, osservando che Google, OpenAI e altri che costruiscono LLM richiederanno un volume “stupefacente” di semiconduttori nei prossimi anni.

Al momento della stesura, le azioni Intel sono quotate a 43,12 $, 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 rendimento da dividendo dell’1,16 %. Secondo il CEO di Intel Pat Gelsinger:

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

#3. Samsung

Il colosso tecnologico con sede in Corea del Sud sta pianificando di lanciare la sua tecnologia di chip a 2 nm per guadagnare un vantaggio rispetto agli altri produttori di chip. Secondo il piano Foundry Forum (SFF) di Samsung, l’azienda inizierà a produrre il processo a 2 nm su larga scala nel 2025 per applicazioni mobili e si rivolgerà alle applicazioni di calcolo ad alte prestazioni l’anno successivo, per poi passare all’industria automobilistica. Un anno dopo, Samsung dovrebbe avviare il processo a 1,4 nm.

L’azienda ha una capitalizzazione di mercato di 373 miliardi di dollari con le sue azioni quotate a 1.373 $. Samsung ha un rapporto PE (TTM) di 14,25, un EPS (TTM) di 96,44 e paga un rendimento da dividendo dell’1,98 %. Nel suo rapporto finanziario del Q4 2023, Samsung ha osservato che la sua divisione fonderia ha assicurato un accordo per i suoi chip AI a 2 nm dalla startup giapponese Preferred Networks (PFN), che ha collaborato in precedenza con Taiwan Semiconductor Manufacturing Co (TSMC).

Il produttore di chip collabora anche con Arm per ottimizzare il core Cortex‑X sulla sua tecnologia di processo di fabbricazione di chip più avanzata, GAA. Alla fine dello scorso anno, Samsung ha anche firmato con Tenstorrent, che mira a sfidare Nvidia come suo cliente.

Conclusione

Man mano che i progressi nell’AI spingono la domanda di maggiore potenza di calcolo, la fotonica al silicio è emersa come una tecnologia promettente, con il potenziale di ridurre la latenza aumentando l’efficienza grazie alla possibilità di fabbricare componenti fotonici su silicio utilizzando processi di produzione di semiconduttori standard.

Sebbene la fotonica al silicio abbia molti vantaggi, non sostituirà i chip elettronici nel prossimo futuro. Questo perché le capacità della fotonica al silicio rimangono strettamente focalizzate e presentano barriere tecniche in termini di sviluppo software per ottimizzarne le potenzialità. Pertanto, ci vorrà del tempo prima che l’uso della fotonica al silicio diventi diffuso, ma la tecnologia è appena agli inizi e, dato il ritmo di avanzamento dell’AI, ciò può certamente essere accelerato.

Clicca qui per scoprire lo stato attuale del calcolo quantistico.