Trening av AI med optisk fiber: Et lysbasert sprang

Hvorfor optisk fiber kan erstatte elektrisitet i AI-beregning

Since the early days of databehandling, almost all computers have been based on calculations using electricity in one way or another, from antique vacuum tubes to modern nanometer-scale silicon chips.

Etter hvert som silisiumbrikker blir stadig mindre, har forskere sett etter nye måter å bygge datamaskiner på som kan presse kapasiteten vår lenger enn silisiumbrikker, et tema vi utforsket i «Topp 10 ikke-silisium databehandlingsselskaper».

Disse metodene inkluderer bruk av ulike materialer, som karbid, vanadiumdioxid, organiske materialer eller grafen, for eksempel. En annen tilnærming er å endre hvordan beregning utføres, ved å bevege seg bort fra den binære programmeringen i elektrisitetsbasert databehandling, som inkluderer kvantedatabehandling og fotonikk.

Fotonikk bruker lys i stedet for elektrisitet for å kode og overføre informasjon. Imidlertid har det frem til nå fortsatt blitt omgjort til et binært signal, og har ikke lykkes med å skape en ren lysbasert form for beregning.

Dette har endret seg med arbeidet til forskere ved Tampere University (Finland) og Université Marie et Louis Pasteur (Besançon, Frankrike). De brukte optisk fiber for ultrarask beregning og publiserte funnene sine i det vitenskapelige tidsskriftet Optics Letters¹, under tittelen «Begrensninger av ikke-lineær og dispersiv fiberpropagasjon for en optisk fiberbasert ekstrem læringsmaskin».

Begrensninger ved tradisjonell AI-trening med elektroniske systemer

AI-trening og databehandling når grenser når det gjelder effektivitet, med AI-beregning som i økende grad begrenses av energiforbruk og hastigheten på databehandling.

I kontrast har lysbaserte beregninger potensialet til å være tusenvis av ganger raskere og kan kode data inn i små energiforskjeller, noe som gjør dem mer effektive. Problemet er at så langt har ingen direkte beregning ved bruk av lys blitt utført.

Forskernes arbeid brukte en spesiell klasse av beregningsarkitektur kjent som en Extreme Learning Machine (ELM), en tilnærming inspirert av nevrale nettverk.

Blant noen av fordelene deres kan ELM-er lære fra treningsdata i ett steg og er en relativt enkel algoritme.

Som en regel er ELM sannsynligvis ikke nyttig for svært komplekse oppgaver som krever flere lag med AI-trening, men kan prestere svært bra og mer effektivt for spesifikke oppgaver, som for eksempel visuell gjenkjenning.

Hvordan forskere kodet bilder ved hjelp av optiske fibre

Forskerne brukte femtosekundlaserpulser (en milliard ganger kortere enn et kamerablits) og en optisk fiber som begrenser lys til et område mindre enn en brøkdel av et menneskehår for å bygge et optisk ELM-system.

Laserpulser er korte nok til å inneholde et stort antall forskjellige bølgelengder eller farger, og skaper et rikt datasett.

Deretter sendte de disse dataene inn i fiberen med en relativ forsinkelse kodet i henhold til et bilde.

Kilde: Tampere University

Rollen til ikke-lineær optikk i AI-behandling

Denne formen for data-koding ble transformert av den ikke-lineære interaksjonen mellom lys og glass.

Lineær optikk er den vanlige optikken som læres på skolen, hvor lyset direkte interagerer med et prisme, for eksempel.

I ikke-lineær optikk avhenger reaksjonen i mediet som lyset passerer gjennom av lysets bølgelengde, intensitet, retning og polariseringsgrad.

Ikke-lineære optiske komponenter kan få fotoner med forskjellige frekvenser til å kombinere og skape nye fotoner ved nye frekvenser.

“I stedet for å bruke konvensjonell elektronikk og algoritmer, oppnås beregning ved å utnytte den ikke-lineære interaksjonen mellom intense lysimpulser og glasset.”
Mathilde Hary and Andrei Ermolaev – Postdoktorale forskere

Den ikke-lineære interaksjonen og Extreme Learning Machine (ELM)-algoritmen klarte å trene en AI til å klassifisere håndskrevne sifre (som de som brukes i den populære MNIST AI-benchmarken).

Kilde: Optics Letters

De beste systemene oppnådde en nøyaktighet på over 91 %, nær de mest avanserte digitale metodene.

Det som gjør resultatet eksepsjonelt er at det ble oppnådd på under ett pikosekund, eller en billiondel av et sekund (0,000000000001 sekunder).

Ideell optimalisering

De beste resultatene oppstod ikke på maksimalt nivå av ikke-lineær interaksjon eller kompleksitet.

I stedet krevde de en delikat balanse mellom fiberlengde, dispersjon (forskjellen i propagasjonshastighet mellom ulike bølgelengder) og effektnivåer.

“Ytelsen er ikke bare et spørsmål om å skyve mer kraft gjennom fiberen. Det avhenger av hvor presist lyset er strukturert i starten, med andre ord hvordan informasjonen er kodet, og hvordan det interagerer med fiberens egenskaper.”
Mathilde Hary – Postdoktoral forsker

Er optiske fiberdatamaskiner fremtiden for AI?

Å trene AI-er kun med lys er et radikalt avvik fra alle metoder som har blitt brukt hittil. Dette vil sannsynligvis ikke være en metode som kan brukes for alle typer data, men for de der den kan anvendes, kan den gi resultater som er 1 000 ganger mer energieffektive og opptil en million ganger raskere.

“Våre modeller viser hvordan dispersjon, ikke-lineæritet og til og med kvante‑støy påvirker ytelsen, og gir kritisk kunnskap for å designe neste generasjon av hybride optisk‑elektroniske AI‑systemer.”
Andrei Ermolaev – Postdoktoral forsker

Sannsynligvis vil en slik tilnærming bety at noen AI-beregninger blir delegert til en ikke-lineær optisk fibermaskinvare skreddersydd for oppgaven. Så repeterende oppgaver, som visuell identifikasjon, vil være de beste kandidatene fremfor behandling av nye data.

“Dette arbeidet demonstrerer hvordan grunnleggende forskning innen ikke-lineær fiberoptikk kan drive nye tilnærminger til beregning. Ved å kombinere fysikk og maskinlæring åpner vi nye veier mot ultrarask og energieffektiv AI‑maskinvare.
Andrei Ermolaev – Postdoktoral forsker

Potensielle anvendelser spenner fra sanntids signalbehandling til miljøovervåkning og høyhastighets AI‑inferens.

Slikt arbeid er imidlertid fortsatt på demonstrasjonsstadiet av de grunnleggende prinsippene for teknikken, og langt fra et kommersialiseringsstadium.

Det viser likevel at fotonikk sannsynligvis vil bli en stadig viktigere del av databransjen fremover, ettersom lys kan være overlegent elektrisitet for noen beregningsapplikasjoner på grunn av grunnleggende fysiske årsaker.

Topp børsnotert laser- og fotonikk-selskap

Coherent (II-VI Marlow): En leder innen laserinnovasjon

Coherent er et stort industrielt konglomerat med over 26 000 ansatte og en leder innen laserteknologi. Det oppsto som et resultat av fusjonen mellom det avanserte materialet II-VI Marlow og laserprodusenten Coherent.

Selskapet er ekspert på avanserte materialer som brukes i lasere, optikk og fotonikk, som indiumfosfid, epitaksiale wafere og galliumnars.

Det vokste betydelig takket være flere oppkjøp det siste tiåret, fra 600 millioner dollar i inntekter i 2013 til 4,7 milliarder dollar i 2024.

Selskapet får 29 % av inntektene sine direkte fra lasere, mens resten er knyttet til tilhørende utstyr som optisk fiber og elektronikk. Instrumentasjonskategorien omfatter hovedsakelig liv…

Kilde: Coherent

Selskapets tilstedeværelse innen avanserte materialer som termofotovoltaikk (som vi diskuterte i en tidligere artikkel), silisiumkarbid, lasere og elektronikk hjelper det å dra nytte av strukturelle trender som vekst innen presisjonsproduksjon, additiv produksjon (3D‑printing), elektrifisering og fornybar energi.

Selskapet har nylig skilt ut sin silisiumkarbidvirksomhet i en ny enhet, eid 75 % av Coherent, med resten eid likt av sine partnere Mitsubishi Electric (som bidrar med silisiumkarbid kraft‑IP) og Denso (som bidrar med sin aktivitet som billeverandør innen elektrifisering og kraftsemikondusorer).

Dette skyldes at silisiumkarbid i økende grad er sin egen teknologi, hovedsakelig brukt i høy‑ytelsesapplikasjoner som elbiler, batterier og fornybar energi.

Coherent er en leder innen LIDAR og 3D‑digital sensing, inkludert for selvkjørende applikasjoner, bioteknologi Next Generation Sequencing (NGS) Flow Cells, og lasere for halvlederproduksjon. Den forventer at hovedmarkedene vil vokse med 8‑20 %.

Kilde: Coherent

De andre potensielle nye anvendelsene av lasere, som direkte energivåpen, fotonisk databehandling, kjernefysisk fusjon og romteknologi, kan alle like godt bidra til å opprettholde selskapets langsiktige vekst.

Alt i alt er Coherent så nær som mulig en «ren spill» børsnotert laserbedrift for investorer som er interessert i sektoren, med sterk vertikal integrasjon og over 3 100 patenter som beskytter innovasjonene.

Etter hvert som fotonikk utvikler seg, vil etterspørselen etter ultrarask, ultranøyaktig lasersystemer, samt lasere brukt i optisk telekommunikasjon, øke gradvis.

Siste Coherent (COHR) aksjenyheter og utviklinger

Studien referert

^{1. Andrei V. Ermolaev, Mathilde Hary, et al. Begrensninger av ikke-lineær og dispersiv fiberpropagasjon for en optisk fiberbasert ekstrem læringsmaskin. Optics Letters. Vol. 50, Utgave 13, s. 4166-4169 (2025) https://doi.org/10.1364/OL.562186}