Kan fotonica de wet van Moore in leven houden?

De wet van Moore bepaalt dat het aantal transistors in een geïntegreerde schakeling ongeveer elke twee jaar zal toenemen, samen met de rekenkracht. Dit principe is sinds 1965 grotendeels correct geweest. Men kan echter aannemen dat Gordon E. Moore, de medeoprichter van Intel (INTC ), nooit heeft overwogen dat chips hun miniaturisatielimieten zouden bereiken, waardoor de rekenkracht zou achterblijven.

Gelukkig heeft een team van ingenieurs van de Universiteit van Californië een nieuwe methode ontwikkeld die fotonica gebruikt om meer rekenkracht te leveren zonder afbreuk te doen aan de grootte. Dit is wat u moet weten.

Kleinere maken

De wereld is sinds de uitvinding van computers op zoek naar het verkleinen van computers. Sommige van uw grootouders herinneren zich misschien nog dat computers een hele kamer en veel mensen nodig hadden om te bedienen. Vandaag biedt uw smartwatch meer rekenkracht dan deze reuzen, en dat is slechts het topje van de ijsberg wat microcomputing betreft. De reis van een hele kamer naar de hedendaagse micro-elektronica is een spannende geweest, vol experimenten, ontdekkingen en soms mislukkingen.

Fysieke en kostenbeperkingen

Opmerkelijk is dat er een punt is waarop het vervaardigen van zulke microscopische componenten kostbaar onhaalbaar wordt. Volgens de meeste onderzoekers heeft de markt dit punt bereikt. Bovendien komen de rekenwinst niet overeen met de wet van Moore, omdat de kleinere chips geen rekenkracht kunnen leveren die evenredig is aan hun grotere tegenhangers.

Daarom ontstaat er een groeiende kloof tussen de beschikbare rekenkracht en wat nodig is, waardoor enkele bekende spelers op de markt, zoals Nvidia (NVDA ) ‑CEO Jensen Huang, verklaren dat de wet van Moore dood is, en toepassingsspecifieke processoren als de toekomst beschouwen.

Vraag naar krachtige computers

De plotselinge groei van kunstmatige intelligentie- en machine‑learning‑systemen heeft de vraag naar krachtige computers en cloudplatformen vergroot. Deze vraag heeft de chip‑ontwerpen qua prestaties overtroffen, waardoor een knelpunt ontstaat in de AI‑ontwikkelingssector dat innovatie beperkt. Nu is de race begonnen om een oplossing te bieden die kan voldoen aan de eisen van de hedendaagse krachtige computers en AI‑systemen.

Oplossingen voor rekenkracht

Sommige analisten geloven dat een oplossing is om speciale chips te maken die zowel de logica als de verwerking op dezelfde chip hebben. Deze benadering helpt de latentie en het energieverbruik te verminderen en verbetert de prestaties. Echter, rekenbeperkingen maken het nog steeds onideaal bij het bespreken van enorme AI‑databehoeften.

Geheugencomputing

Een andere oplossing die onderzoekers enthousiast maakt, is geheugencomputing. Deze opslagmethode maakt gebruik van snel toegankelijke RAM in plaats van een draaiende harde schijf. Concreet wordt RAM van een netwerk computers opgezet met middleware‑software om het geheugen parallel te laten draaien. Deze opslagmethode is 5000× sneller dan traditionele methoden, maar kan nog steeds niet bij de wet van Moore blijven.

Fotonica

Fotonica is een andere methode voor high‑performance computing die onderzoekers interesseert. Fotonica werkt door lichtgolven te detecteren met behulp van elektronica. De wetenschap draait om het genereren en beheersen van licht terwijl het door een matrix van programmeerbare optische gewichten gaat.

Deze gewichten integreren een 2D‑array van niet‑vluchtige optische modulators die het mogelijk maken een lineaire transformatie uit te voeren op een vector van optische ingangen. Deze strategie biedt snellere schakelsnelheden dan RAM‑computingmethoden.

Huidige beperkingen van fotonica

Enkele nadelen van fotonica in computing zijn dat de huidige systemen slechts ongeveer 1000× herschreven kunnen worden. Deze beperkte levensduur maakt ze een dure optie. Bovendien hebben de optische gewichten een lage opslagdichtheid en is programmeren trager dan bij traditionele chips.

Fotonische computersystemen komen in verschillende vormen en ontwerpen. Deze systemen vereisen echter gespecialiseerde fabricageprocessen die veel duurder zijn dan hun tegenhangers. Ondanks de kostenbeperkingen geloven veel onderzoekers dat fotonica de toekomst van computing is en dat Wright’s law de sleutel is tot de implementatie.

Wright’s Law

Er is ook Wright’s law, die een rol zal blijven spelen in ons vermogen om halfgeleiders te verbeteren. Deze wet is een fabricageprincipe dat werd geïntroduceerd door de lucht- en ruimtevaartingenieur Theodore Paul Wright. Terwijl hij in een vliegtuigfabriek werkte, merkte hij op dat de arbeidsbehoefte met 15 % daalde naarmate de productieprocessen verbeterden, zelfs terwijl de productievolumes toenamen.

Deze kostenbesparingen kwamen voort uit verbeterde processen, technologie, herstelsystemen en andere upgrades tijdens de productie. Daarom geloven veel analisten dat Wright’s law zal helpen om fotonica in de toekomst toegankelijker en minder duur te maken.

U kunt Wright’s Law al zien plaatsvinden in de AI‑sector. Een paar jaar geleden zou het voor de gemiddelde persoon onmogelijk zijn geweest om toegang te krijgen tot of een AI‑systeem te bedienen. Het creëren, beheren en upgraden van AI‑modellen was gewoon te duur. Bovendien had niemand een betrouwbare manier gecreëerd voor AI om met mensen te communiceren.

Echter, sinds programma’s zoals ChatGPT op de markt kwamen, kan iedereen nu deze krachtige tools gebruiken om hun efficiëntie en creativiteit te verbeteren. Deze systemen integreren grote taalmodellen die het voor iedereen eenvoudig maken ze te bedienen via eenvoudige chat‑opdrachten. Deze ontwikkeling heeft de adoptie van AI enorm gestimuleerd, wat heeft geleid tot de huidige tekorten in rekenkracht.

Fotonica Studie

De studie “Integrated non-reciprocal magneto-optics with ultra-high endurance for photonic in-memory computing“¹ gepubliceerd in het tijdschrift Nature Photonics onthult een nieuwe methode van optische computing die de markt kan revolutioneren. De studie gaat in detail in op het coderen van optische gewichten voor in‑memory fotonische computing.

Bron – Nature

De onderzoekers kozen ervoor magneto‑optische geheugencellen en een resonantie‑gebaseerde fotonische architectuur te gebruiken om hun rekenkundige doelen te bereiken. De strategie maakt gebruik van niet‑reciproce faseverschuiving in magneto‑optische materialen als middel om fotonische in‑memory computing te implementeren.

Een nieuw wiskundig model stelde het team in staat magneto‑optische materialen te testen. Ze ontdekten dat cerium‑gesubstitueerde yttriumijzer‑garniet (YIG) hen in staat stelde een extern magnetisch veld te gebruiken om de voortplanting van licht te beheersen. Dit gecontroleerde licht kon vervolgens worden gebruikt voor berekeningen.

De studie toonde aan hoe kleine magneten data efficiënt kunnen opslaan en razendsnel kunnen benaderen.

Het proces van het coderen van de magneten werkt door de magnetische domeinkracht van de eenheid in te stellen. Om het apparaat te laten werken, moeten elektronische signalen worden omgezet naar het optische domein met behulp van elektro‑optische (E/O) modulatoren voor programmeren en opslag. Vervolgens zetten Balanced photodetectors (BPD’s) het differentiële optische signaal weer om naar een elektrisch signaal zodat de CMOS‑logica het kan verwerken naast de SRAM.

Fotonica Test

Om hun niet‑vluchtige magneto‑optische geheugencel te testen, zette de onderzoeker verschillende benaderingen op. Ze begonnen met een 2‑bit elektrische invoer die hen in staat stelde twee positieve en twee negatieve optische gewichten te verkrijgen. Vervolgens werd het magnetische veld gemanipuleerd om veranderingen te observeren.

Cerium-gesubstitueerde Yttrium IJzer Garniet (YIG),

Een 500 nm dikke enkelkristallijne YIG werd in het laboratorium gekweekt met een radiofrequent sputterproces bij 750 °C voor de testfase. Concreet besloot het team een wafer te gebruiken met een ringstraal van 35 µm. Daarnaast werd een 10 nm dunne siliciumoxylaag geïntegreerd om de siliciumlaag te scheiden van de Ce: YIG-laag.

Fotonica Programmeren

Het programmeren van de toestand van de geheugencel vereist een radiaal in‑plane magnetisch veld geleverd door een geïntegreerde gouden elektromagneet. Het systeem kan elektronisch de veranderingen in optisch verlies meten afhankelijk van de richting en het magnetische veld dat via een ferromagnetische dunne film wordt aangelegd.

Deze opstelling creëert een programmeerbaar, niet‑vluchtig magnetisch veld, waardoor ingenieurs een niet‑reciproce optische faseverschuiving in de geheugencel kunnen induceren. Opmerkelijk is dat de studie zowel klok‑richting (CW) als tegen‑klok‑richting (CCW) modi van een micro‑ring resonator documenteerde als een manier om rekenkundige data te programmeren en te benaderen.

Fotonica Levenscyclus

Het testen van de levenscyclus van het geheugen was een volgende stap. Het team programmeerde een willekeurige functiegenerator die tussen schrijf‑ en wis‑pulsen wisselde als onderdeel van hun aanpak. Het systeem werd aangepast op een frequentie van 10 kHz. De ingenieurs gebruikten vervolgens een amplitude van ±5 V en een pulsbreedte van 500 ns om herschrijven in de echte wereld te repliceren. De resultaten waren verbluffend.

Fotonica Resultaten

De testresultaten toonden aan hoe deze nieuwe fotonische methode computing voor altijd kan veranderen. Ten eerste liet het nieuwe systeem bijna onbeperkte herschrijfcapaciteit zien. Concreet werden 2,4 miljard programmeercycli bereikt.

Bovendien bepaalden de ingenieurs dat het benutten van niet‑reciproce faseverschuivingen in magneto‑optische materialen hen in staat stelt deterministisch, snel en efficiënt geprogrammeerd te worden. De gegevens toonden aan dat een programmeersnelheid van ~1 GHz mogelijk was. Daarnaast bereikte het team niet‑vluchtigheid en meer‑niveau codering die de huidige methoden overtreft. Bijgevolg kan dit onderzoek de computermarkt in de toekomst revolutioneren.

Fotonica Voordelen

Verschillende voordelen maken de fotonica‑studie een game‑changer. Ten eerste kan het nieuwe systeem complexe bewerkingen uitvoeren die enorme rekenkracht vereisen. Deze systemen zijn ideaal voor AI‑ en ML‑operaties die matrix‑vector vermenigvuldiging en andere geavanceerde wetenschappen vereisen.

Verminderde latentie

De wetenschappers ontdekten dat fotonica hogere snelheden biedt vergeleken met traditionele opties. De testfase onthulde een geheugentoegang van 1 ns. Deze snelheid is 100× sneller dan eerdere fotonica‑apparaten, waardoor de deur wordt geopend voor een nieuw niveau van innovatie.

Lagere energieverbruik

Energie‑efficiëntie is een ander voordeel dat het fotonica‑systeem op de markt brengt. Dit systeem kan geheugen opnieuw programmeren en benaderen met een fractie van de energie‑eisen van andere opties. Het team registreerde een efficiëntie van 143 fJ per bit, waardoor de eisen van het nieuwe systeem 1/10 zijn van andere fotonica‑opties.

Programmeertbaar

Een van de grootste voordelen van fotonica‑onderzoek is de ontdekking dat deze apparaten een bijna eindeloze herschrijf‑cyclus hebben. Geen andere opslagopties voor computing bieden gebruikers de mogelijkheid om data +2Bx te herschrijven. Hierdoor kan dit wetenschappelijk onderzoek een doorslaggevend effect hebben op datacenters.

Fotonica onderzoekers

Het fotonica‑onderzoek werd geleid door Santa Barbara, John Bowers en Galan Moody. Paolo Pintus, Nathan Youngblood, Yuya Shoji en Mario Dumont speelden ook cruciale rollen in het onderzoek en de ontwikkeling van het fotonica‑systeem. Nu zal het team hun onderzoek uitbreiden naar andere materialen om de beste optie te vinden om de AI‑revolutie van morgen van stroom te voorzien.

Bedrijven die kunnen profiteren van het fotonica-onderzoek

Er zijn verschillende bedrijven die dit onderzoek kunnen gebruiken om hun producten en diensten te verbeteren. Cloud‑computingnetwerken en datacenters zijn twee voor de hand liggende sectoren die een aanzienlijke omzetstijging zullen zien als ze deze technologie kunnen implementeren. Hier is een bedrijf dat perfect gepositioneerd is om deze informatie te benutten.

Snowflake

Snowflake (SNOW ) betrad de cloud‑computingmarkt in 2012. Het heeft zijn hoofdkantoor in Montana en werd mede‑opgericht door Benoît Dageville, Thierry Cruanes en Marcin Żukowski om high‑performance cloud‑computing aan de markt te bieden. Vandaag speelt Snowflake een cruciale rol in het mogelijk maken voor bedrijven om data op de cloud op te slaan, te migreren en te verwerken.

Snowflake wordt door velen gezien als een top‑aandelenkeuze vanwege haar toewijding aan innovatie, geavanceerde diensten en positionering. Het bedrijf kwam recent in het nieuws door haar One Million Minds + One Platform‑initiatief, dat tot doel heeft miljoenen werknemers tegen 2029 op AI te scholen.

Snowflake is een van de meest gerenommeerde namen in de cloud‑computingsector. Momenteel verwerkt het dagelijks meer dan 4,2 miljard queries en heeft het meer dan 10.000 klanten, waaronder 800 bedrijven die op de Forbes‑lijsten staan. Deze ondersteuning en klantenbasis kunnen de interesse in de aandelen van het bedrijf stimuleren.

Als Snowflake een fotonica‑opslagsysteem in een datacenter zou kunnen implementeren, zouden ze enorme ROI’s kunnen zien. Het systeem zou minder ruimte innemen, minder energie verbruiken en veel minder warmte produceren. Bovendien zouden ze een onbeperkte herschrijf‑levensduur hebben terwijl ze minder latentie aan hun klanten kunnen bieden. Dit zou op zijn beurt de omzet kunnen verhogen.

Fotonica – licht gebruiken om computing naar een hoger niveau te tillen

Fotonica zou kunnen zijn wat de wereld nodig heeft om een nieuw niveau van computationeel begrip te ontsluiten. Deze technologie biedt de levensduur en duurzaamheid die ingenieurs vandaag zoeken. Bijgevolg zien velen dit onderzoek als cruciaal voor de AI‑beweging. Al deze factoren betekenen dat de fotonica‑computingbeweging precies op tijd is.

Leer meer over andere coole computing‑projecten hier.

Studieverwijzing:

^{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}