Addestrare l’IA con la fibra ottica: un salto basato sulla luce

Perché la fibra ottica potrebbe sostituire l’elettricità nel calcolo AI

Fin dagli albori del calcolo informatico, quasi tutti i computer hanno eseguito calcoli usando in qualche modo l’elettricità, dalle antiche valvole termoioniche ai moderni chip di silicio su scala nanometrica.

Man mano che i chip di silicio diventano più piccoli, i ricercatori cercano nuovi modi per costruire computer capaci di superarne i limiti, un tema esaminato in “Le 10 migliori aziende di calcolo non basato sul silicio”.

Questi metodi comprendono l’uso di materiali diversi, come carburo di silicio, biossido di vanadio, materiali organici o grafene. Un’altra strada consiste nel cambiare il modo in cui si calcola, abbandonando la programmazione binaria dei sistemi elettrici attraverso approcci come il calcolo quantistico e la fotonica.

La fotonica usa la luce anziché l’elettricità per codificare e trasferire informazioni. Finora, però, il segnale è stato comunque convertito in forma binaria, senza ottenere un calcolo interamente basato sulla luce.

Ciò è cambiato grazie al lavoro dei ricercatori dell’Università di Tampere (Finlandia) e dell’Université Marie et Louis Pasteur (Besançon, Francia). Hanno utilizzato la fibra ottica per calcoli ultraveloci e hanno pubblicato i loro risultati sulla rivista scientifica Optics Letters¹, con il titolo “Limiti della propagazione non lineare e dispersiva della fibra per una macchina di apprendimento estremo basata su fibra ottica”.

Limitazioni dell’addestramento AI tradizionale con sistemi elettronici

L’addestramento dell’IA e l’elaborazione dei dati stanno raggiungendo limiti di efficienza, poiché il consumo energetico e la velocità di elaborazione vincolano sempre più il calcolo dell’IA.

Al contrario, i calcoli basati sulla luce possono essere migliaia di volte più rapidi e codificare i dati in minime differenze di energia, aumentando l’efficienza. Il problema è che finora non era stato eseguito alcun calcolo diretto usando soltanto la luce.

I ricercatori hanno impiegato una particolare architettura di calcolo chiamata Extreme Learning Machine (ELM), un approccio ispirato alle reti neurali.

Tra i vantaggi delle ELM vi sono la capacità di apprendere dai dati di addestramento in un solo passaggio e la relativa semplicità dell’algoritmo.

In genere, una ELM difficilmente è adatta a compiti molto complessi che richiedono numerosi livelli di addestramento, ma può funzionare molto bene e con maggiore efficienza in attività specifiche, come il riconoscimento visivo.

Come i ricercatori hanno codificato le immagini usando le fibre ottiche

I ricercatori hanno usato impulsi laser a femtosecondi, un miliardo di volte più brevi del flash di una fotocamera, e una fibra ottica che confina la luce in un’area più piccola di una frazione di capello umano per costruire un sistema ELM ottico.

Gli impulsi laser sono abbastanza brevi da contenere molte lunghezze d’onda, o colori, creando un insieme di dati ricco.

I dati sono stati quindi inviati nella fibra con un ritardo relativo codificato in base a un’immagine.

Fonte: Tampere University

Il ruolo dell’ottica non lineare nell’elaborazione AI

Questa forma di codifica dei dati è stata trasformata dall’interazione non lineare tra luce e vetro.

L’ottica lineare è quella normalmente insegnata a scuola, in cui la luce interagisce direttamente, per esempio, con un prisma.

Nell’ottica non lineare, la risposta del mezzo attraversato dipende dalla lunghezza d’onda, dall’intensità, dalla direzione e dalla polarizzazione della luce.

I componenti ottici non lineari possono far combinare fotoni di frequenze diverse e generare nuovi fotoni a nuove frequenze.

“Invece di utilizzare elettronica e algoritmi convenzionali, il calcolo è ottenuto sfruttando l’interazione non lineare tra impulsi di luce intensa e il vetro.”

Mathilde Hary e Andrei Ermolaev – Ricercatori post-dottorato

L’interazione non lineare e l’algoritmo Extreme Learning Machine (ELM) sono stati in grado di addestrare un’IA a classificare cifre scritte a mano (come quelle usate nel popolare benchmark AI MNIST).

Fonte: Optics Letters

I migliori sistemi hanno raggiunto un’accuratezza superiore al 91%, vicino ai metodi digitali all’avanguardia.

Ciò che rende il risultato eccezionale è che è stato ottenuto in meno di un picosecondo, ovvero un trilionesimo di secondo (0.000000000001 secondi).

Ottimizzazione Ideale

I risultati migliori non sono stati ottenuti al massimo livello di interazione non lineare o di complessità.

Hanno richiesto invece un delicato equilibrio tra lunghezza della fibra, dispersione (la differenza nella velocità di propagazione delle diverse lunghezze d’onda) e livelli di potenza.

“Le prestazioni non dipendono semplicemente dall’immettere più potenza nella fibra. Dipendono da quanto precisamente è strutturata inizialmente la luce, cioè da come sono codificate le informazioni, e da come interagisce con le proprietà della fibra.”

Mathilde Hary – Ricercatore post-dottorato

I computer a fibra ottica sono il futuro dell’AI?

Addestrare un’IA usando soltanto la luce rappresenta una svolta radicale rispetto a tutti i metodi precedenti. Probabilmente non sarà applicabile a ogni tipo di dato, ma dove lo è potrebbe offrire un’efficienza energetica 1.000 volte superiore e una velocità fino a un milione di volte maggiore.

“I nostri modelli mostrano come dispersione, non linearità e perfino rumore quantistico influenzino le prestazioni, fornendo conoscenze essenziali per progettare la prossima generazione di sistemi IA ibridi ottico-elettronici.”

Andrei Ermolaev – Ricercatore post-dottorato

Con ogni probabilità, parte dei calcoli dell’IA verrebbe affidata a hardware in fibra ottica non lineare progettato appositamente. I compiti ripetitivi, come l’identificazione visiva, sarebbero quindi candidati migliori rispetto all’elaborazione di dati nuovi.

“Questo lavoro dimostra come la ricerca fondamentale nell’ottica delle fibre non lineari possa favorire nuovi approcci al calcolo. Unendo fisica e apprendimento automatico, apriamo nuove strade verso hardware per l’IA ultrarapido ed efficiente dal punto di vista energetico.”

Andrei Ermolaev – Ricercatore post-dottorato

Le potenziali applicazioni spaziano dall’elaborazione dei segnali in tempo reale al monitoraggio ambientale e all’inferenza IA ad alta velocità.

Il lavoro si trova tuttavia ancora nella fase di dimostrazione dei principi fondamentali della tecnica ed è lontano dalla commercializzazione.

Dimostra comunque che la fotonica avrà probabilmente un ruolo sempre più importante nell’industria informatica, poiché per ragioni fisiche fondamentali la luce può superare l’elettricità in alcune applicazioni di calcolo.

Principale Azienda Quotata di Laser e Fotonica

Coherent (II-VI Marlow): Un Leader nell’Innovazione Laser

Coherent è un grande conglomerato industriale con oltre 26.000 dipendenti e un leader nella tecnologia laser. È nato dalla fusione dell’azienda di materiali avanzati II-VI (COHR ) Marlow con il produttore di laser Coherent.

L’azienda è specializzata in materiali avanzati utilizzati nei laser, nell’ottica e nella fotonica, come fosfuro di indio, wafer epitassiali e arseniuro di gallio.

L’azienda è cresciuta soprattutto grazie a numerose acquisizioni nell’ultimo decennio, passando da 600 milioni di dollari di ricavi nel 2013 a 4,7 miliardi nel 2024.

L’azienda ricava direttamente dai laser il 29% dei propri ricavi; il resto proviene da apparecchiature associate, come fibra ottica ed elettronica. La categoria della strumentazione comprende soprattutto applicazioni nelle scienze della vita e in ambito medico.

Fonte: Coherent

La presenza dell’azienda in materiali avanzati come termofotovoltaico (che abbiamo discusso in un articolo precedente), carburo di silicio, laser ed elettronica le consente di beneficiare delle tendenze strutturali come la crescita della produzione di precisione, della produzione additiva (stampa 3D), dell’elettrificazione e delle energie rinnovabili.

L’azienda ha recentemente separato l’attività nel carburo di silicio in una nuova entità, posseduta al 75% da Coherent. La quota restante appartiene in parti uguali a Mitsubishi Electric, che apporta proprietà intellettuale sui semiconduttori di potenza in carburo di silicio, e Denso, che contribuisce con l’attività di fornitore automobilistico nell’elettrificazione e nei semiconduttori di potenza.

Ciò è dovuto al fatto che il carburo di silicio sta diventando sempre più una tecnologia autonoma, principalmente utilizzata in applicazioni ad alta potenza come veicoli elettrici, batterie e energia rinnovabile.

Coherent è leader nel LIDAR e nel rilevamento digitale 3D, anche per la guida autonoma, nelle celle di flusso per il sequenziamento di nuova generazione (NGS) in biotecnologia e nei laser per la produzione di semiconduttori. Prevede una crescita dell’8–20% nei suoi mercati principali.

Fonte: Coherent

Le altre potenziali nuove applicazioni dei laser, come armi a energia diretta, calcolo fotonico, fusione nucleare e tecnologie spaziali, potrebbero tutte contribuire a sostenere la crescita a lungo termine dell’azienda.

In generale, Coherent è il più vicino possibile a una società di laser “pure‑play” quotata in borsa per gli investitori interessati al settore, con una forte integrazione verticale e oltre 3.100 brevetti che proteggono le sue innovazioni.

Man mano che la fotonica avanza, aumenterà progressivamente la domanda di sistemi laser ultra‑veloci e ultra‑precisi, così come di laser utilizzati nelle telecomunicazioni ottiche.

Ultime Notizie e Sviluppi sulle Azioni Coherent (COHR)

Studio di Riferimento

^{1. Andrei V. Ermolaev, Mathilde Hary, et al. Limiti della propagazione non lineare e dispersiva della fibra per una macchina di apprendimento estremo basata su fibra ottica. Optics Letters. Vol. 50, Numero 13, pp. 4166-4169 (2025) https://doi.org/10.1364/OL.562186}