Databehandling i lysets hastighet med silisium‑fotonikk

Ingeniører fra University of Pennsylvania har utviklet en brikke som bruker lysbølger i stedet for elektrisitet for å utføre komplekse matematiske beregninger som er nødvendige for å trene kunstig intelligens (AI). Denne innovasjonen kan betydelig øke hastigheten på behandlingen og redusere energiforbruket til enheter.

Studien, publisert i Nature Photonics, viser at dette er en «inverse‑designet lav‑indeks‑kontraststruktur» på en silisium‑fotonikk (SiPh) plattform, potensielt muliggjørende stor‑skala bølgebaserte analoge databehandlingsplattformer.

Silisium‑fotonikk bruker silisium, et rikelig tilgjengelig og billig element som brukes i masseproduksjon av databrikker, og integrerer komponenter som fotodetektorer, optiske brytere, optiske bølgeledere og optiske modulatorer på et silisiumsubstrat.

Silisium‑fotonikk (SiPh)‑brikken i denne studien manipulerer materialer på nanoskala for å utføre matematiske beregninger ved hjelp av lys. Denne metoden for å få lysbølger til å samhandle med materie lover løfter å utvikle datamaskiner som overgår dagens brikkers begrensninger.

“Vi bestemte oss for å gå sammen,” sa H. Nedwill Ramsey professor Nader Engheta, og pekte på utviklingen av nanoskalale silisium‑enheter av forskningsgruppen til Firooz Aflatouni, som er førsteamanuensis i Electrical and Systems Engineering.

Målet har vært å utvikle en plattform for å utføre vektor‑matrise‑multiplikasjon (VMM), som brukes i utviklingen og funksjonen til nevrale nettverk som driver dagens AI‑verktøy.

Ifølge studien, mens invers‑designet SiPh‑metastrukturer effektivt utfører analoge beregninger med elektromagnetiske bølger, er det en utfordring å skalere dem opp for å håndtere et stort antall datakanaler. For å løse dette, benyttet teamet en 2D invers‑design tilnærming for å lage kompakte amorfe linsesystemer som vanligvis er feed‑forward og lav resonans. Studien demonstrerte vellykket et vektor‑matrise‑produkt for 2 × 2 og 3 × 3 matriser, og designet også en 10 × 10 matrise.

I stedet for å bruke en silisiumskive med jevn høyde, tynnet teamet selektivt silisiumet i spesifikke områder. Disse høydevariasjonene gjør det mulig å kontrollere lysgjennomgangen gjennom brikken.

Ved å fordele disse variasjonene, spres lyset i spesifikke mønstre, noe som gjør at brikken kan utføre matematiske beregninger i lysets hastighet, den raskeste mulige kommunikasjonsmetoden.

Ifølge Aflatouni er dette designet allerede klar for kommersielle applikasjoner på grunn av begrensningene fra den kommersielle fabrikken som produserte brikkene. Designet kan også potensielt tilpasses bruk i grafikkprosesseringsenheter (GPUer), en spesialisert elektronisk krets som for tiden er i enorm etterspørsel i takt med AI‑frenesien. Ved å integrere Silisium‑fotonikk‑plattformen som et tillegg, nevner Aflatouni, kan man akselerere trenings‑ og klassifiseringsprosesser.

Imidlertid strekker fordelene seg utover hastighet og energieffektivitet, da brikken også forbedrer personvern. Ved å tillate mange beregninger å skje samtidig, er det ingen behov for å lagre sensitiv informasjon i arbeidsminnet til datamaskinen din. Dette gjør en datamaskin drevet av slik teknologi i praksis uhackbar. Aflatouni bemerket:

“Ingen kan hacke seg inn i et ikke‑eksisterende minne for å få tilgang til informasjonen din.”

Finansiert delvis av en tilskudd fra US Air Force Office of Scientific Research sin Multidisciplinary University Research Initiative og et annet fra US Office of Naval Research, har denne studien som mål å overvinne begrensningene til dagens brikker, som opererer etter prinsipper som har vært i bruk i mange tiår. Men ved å utnytte lysets kraft, kan denne nye tilnærmingen bane vei for en ny generasjon av AI‑utvikling.

Det enorme potensialet til silisium‑fotonikk

I flere tiår har forskning og utvikling på dette materialet fortsatt. Nylig har imidlertid silisium‑fotonikk (SiPh) fått oppmerksomhet på grunn av den økende etterspørselen etter rask og effektiv databehandling.

Denne økende interessen har gjort at det globale markedet for silisium‑fotonikk verdsettes til 1,29 milliarder dollar i 2022 og ifølge Grand View Research forventes det å vokse med en CAGR på 25,8 % innen slutten av dette tiåret. Veksten skyldes behovet for høyere dataoverføringshastigheter og båndbredde‑intensive applikasjoner.

SiPh er den perfekte plattformen her på grunn av sin økonomiske effektivitet og høye integrasjonsdensitet. I tillegg, siden SiPh er kompatibel med elektronisk fabrikasjon, kan SiPh fotoniske integrerte kretser (PICs) produseres ved hjelp av etablert fabrikkinfrastruktur. SiPh har også potensial til å integrere hundre til tusenvis av enheter i komplekse PICs med en design‑ og produksjonsskalerbarhet lik CMOS, noe som åpner for nye applikasjoner i skjæringspunktet mellom fotonikk og databehandling.

Dermed, gjennom sin høyhastighetstransmisjon, høye integrasjonsdensitet, fremragende optiske egenskaper, lavere strømforbruk og relativt rimelige produksjon, har silisium‑fotonikk blitt en verdifull teknologi i en rekke felt.

For eksempel har forskning på anvendelsen av silisium‑fotonikk i LiDAR for autonom kjøring og industriell automatisering pågått. LiDAR bruker lys reflektert fra overflater i stedet for radiofrekvens (RF)‑signaler for å analysere og levere kritisk informasjon om omgivelsene.

Videre kan silisium‑fotonikk brukes til sensing (dvs. optisk sensing), hvor overføring av et signal og mottak av det overførte optiske signalet kan hjelpe med å bestemme egenskapene til omgivelsene. Dette kan være nyttig for helseapplikasjoner og forbruker‑helse‑wearable‑applikasjoner.

Utover autonome kjøretøy og sensing, har bruken av silisium‑fotonikk også blitt utforsket innen telekommunikasjon, kvantekommunikasjon, biomedisin, romfart, astronomi og AR/VR. Silisium‑fotonikk viser også løfter for full integrasjon og storskala optisk kvanteinformasjon‑behandling.

Deretter er AI, som krever høyytelses‑databehandling. Med AI‑mani som når nye høyder og forventes å vokse ytterligere, står brikkeindustrien overfor et presserende innovasjonsbehov. Den arbeider hardt for å plassere flere transistorer på én brikke for å betydelig forbedre behandlingskraft og energieffektivitet. Slike forbedringer er avgjørende for å trene og kjøre AI‑algoritmer mer nøyaktig, raskt og kostnadseffektivt.

I et forsøk på å vinne halvlederkappløpet bygger til og med Kina en fotonisk brikkeproduksjonslinje på grunn av dens beregningshastighet som er raskere og informasjonskapasitet som er større, noe som vil være betydelig høyere enn eksisterende silisium‑baserte brikker.

En spillveksler for AI

AI‑mani viser ingen tegn til å avta. Denne nye bølgen av teknologisk fremgang har dukket opp som en kraftig drivkraft som vil revolusjonere mange industrier og forme fremtiden. Etter hvert som AI raskt blir en integrert del av hverdagen vår og datatunge applikasjoner blir mer komplekse, ser alle fra selskaper og myndigheter til institusjoner og forskere etter måter å gjøre den mer effektiv på.

Dette driver folk mot silisium‑fotonikk, som er en av de mest lovende teknologiene for å takle komplekse og kostbare beregninger utført av dype nevrale nettverk, en undergruppe av maskinlæringsalgoritmer som gjør modellens ytelse mer nøyaktig. Dype nettverk består av lag som inneholder matematiske relasjoner.

Med slike kompleksiteter kan silisium‑fotonikk bidra til å forbedre ytelse og kostnadseffektivitet, noe som vil forbedre funksjonen til AI‑ og maskinlæringsapplikasjoner. AI/ML‑verdenen trenger at data utveksles raskt samtidig som den bruker så lite energi som mulig, og må samtidig opprettholde høy beregningsdensitet.

Her gjør silisium‑fotonikk det mulig med bedre kommunikasjon mellom beregningsenheter. Materialet tillater også bruk av kortdistanse optiske interconnects for å overføre data effektivt over relativt korte avstander innen AI/ML‑applikasjoner. Rask dataoverføring er essensiell for beslutninger i sanntid.

Slik bidrar silisium‑fotonikk til den samlede effektiviteten og ytelsen til AI‑systemer. Ved å utnytte dette materialet kan selskaper også låse opp større beregningskapasiteter og oppnå mer nøyaktige og responsive resultater.

Silisium‑fotonikk er spesielt egnet for databehandling på grunn av at slike kretser kan være raskere enn tradisjonelle elektroniske kretser. Dessuten er deres optiske prosessering iboende parallell, noe som gjør det mulig å utføre flere handlinger samtidig.

Silisium‑fotonikk gjør også at grunnleggende komponenter kan samles i mange kombinasjoner for å bygge svært komplekse kretser, noe som muliggjør opprettelse av avanserte systemer skreddersydd for spesifikke applikasjoner.

Fremtiden for silisium‑fotonikk i AI, som vi ser, er lysende, gitt dens potensial til å transformere AI‑algoritmer og videreutvikle AI‑systemers kapasiteter. Det er definitivt en spennende tid for silisium‑fotonikk.

Klikk her for å lære alt om investering i kunstig intelligens.

En titt på populære brikkeprodusenter

La oss nå se på et par fremtredende navn som er i brikkeproduksjonsbransjen:

#1. NVIDIA Corporation

Lederen i brikkeindustrien, Nvidia, er for tiden det tredje mest verdifulle selskapet på det amerikanske aksjemarkedet. Tross alt kontrollerer de omtrent 80 % av AI‑brikkemarkedet. Med aksjene sine handlet til $793,50 har selskapet oppnådd en markedsverdi på $1,95 billioner.

Nvidias aksjer har steget som gal og er allerede opp 58,6 % år‑til‑dato. Med dette har selskapet en EPS (TTM) på 11,93, P/E (TTM) på 65,84 og en ROE (TTM) på 69,17 %. Det betaler også en utbytteavkastning på 0,02 %.

Etter hvert som etterspørselen skyter i været globalt på tvers av industrier og nasjoner, rapporterte Nvidia sine fjerdekvartalsresultater, med inntekter som mer enn tredoblet seg til $22,1 milliarder. Ifølge administrerende direktør og medgründer Jensen Huang:

“Akselerert databehandling og generativ AI har nådd vendepunktet.”

Den økende etterspørselen etter deres brikker får selskapet til å forutsi en vekst på 233 % i Q1‑inntektene. Selskapets H100 datasenter‑brikke er det som hjelper dem med å lede AI‑området. Den er optimalisert for å behandle enorme mengder data og beregninger med høy hastighet, noe som gjør den til en perfekt løsning for den kraftkrevende oppgaven med å trene AI‑modeller.

Klikk her for å lære alt om investering i NVIDIA Corporation (NVDA).

#2. Intel Corporation

Den amerikanske brikkesprodusenten gjør et comeback ved å utvide sin foundry‑virksomhet, som produserer brikkedesign for andre selskaper. Microsoft har valgt selskapet til å lage sine høy‑ytelses‑semiconductorer og «gjenoppbygge vestlig produksjon i stor skala».

Brikken vil bli designet for å bruke Intels 18A‑node, en produksjonsprosess som gjør semiconductorer mindre og mer energieffektive. «Intel er landets fremste brikkeselskap», sa USAs handelsminister Gina Raimondo, og bemerket at Google, OpenAI og andre som bygger LLM‑er vil trenge et «sinnsprøytende» volum av semiconductorer i de kommende årene.

Per skrivende stund handles Intels aksjer til $43,12, ned 14,47 % år‑til‑dato, noe som gir selskapets markedsverdi på $181,7 milliarder. Det har en EPS (TTM) på 0,38, P/E (TTM) på 113,46 og en ROE (TTM) på 1,63 %. Det betaler også en utbytteavkastning på 1,16 %. Ifølge Intels administrerende direktør Pat Gelsinger:

“Den samlede etterspørselen (etter AI‑brikker) ser ut til å være umettelig i flere år fremover.”

#3. Samsung

Den sørkoreanske teknologigiganten planlegger å lansere sin 2 nm brikketeknologi for å få et forsprang på andre brikkeprodusenter. I henhold til Samsungs Foundry Forum (SFF)-plan vil selskapet begynne å produsere 2 nm‑prosessen i stor skala i 2025 for mobilapplikasjoner, og gå over til høy‑ytelses‑databehandlingsapplikasjoner året etter, før de går inn i bilindustrien. Ett år senere forventes Samsung å starte 1,4 nm‑prosessen.

Selskapet har en markedsverdi på $373 milliarder med aksjer handlet til $1 373. Samsung har en PE‑ratio (TTM) på 14,25, en EPS (TTM) på 96,44 og betaler en utbytteavkastning på 1,98 %. I sin Q4‑2023‑finansrapport bemerket Samsung at deres foundry‑divisjon har sikret en avtale for sine 2 nm AI‑brikker fra den japanske AI‑oppstartsbedriften Preferred Networks (PFN), som tidligere har samarbeidet med Taiwan Semiconductor Manufacturing Co (TSMC).

Brikkesprodusenten samarbeider også med Arm for å optimalisere Cortex‑X‑kjernen på sin mest avanserte chip‑produksjonsteknologi, GAA. Sent i fjor signerte Samsung også med Tenstorrent, som har som mål å utfordre Nvidia som kunde.

Konklusjon

Etter hvert som AI‑fremskritt driver etterspørselen etter økt databehandlingskraft, har silisium‑fotonikk dukket opp som en lovende teknologi som har potensial til å redusere latens samtidig som den øker effektiviteten ved å muliggjøre produksjon av fotoniske komponenter på silisium ved bruk av standard halvlederproduksjonsprosesser.

Selv om silisium‑fotonikk har mange fordeler, vil den ikke erstatte elektroniske brikker med det første. Dette skyldes at silisium‑fotonikkens muligheter forblir snevert fokuserte, samtidig som det finnes tekniske barrierer i form av programvareutvikling for å optimalisere deres evner. Derfor vil det ta noe tid før bruken av silisium‑fotonikk blir utbredt, men teknologien er nettopp i startfasen, og gitt AI‑teknologiens utviklingshastighet kan dette definitivt akselereres.

Klikk her for å lære om den nåværende tilstanden til kvantedatabehandling.