Beräkning i ljusets hastighet med kisel-fotonik

Ingenjörer från University of Pennsylvania har utvecklat en chip som använder ljusvågor istället för elektricitet för att utföra komplexa matematiska beräkningar som krävs för att träna artificiell intelligens (AI). Denna innovation kan avsevärt snabba upp bearbetningen och minska energiförbrukningen hos enheter.

Studien, publicerad i Nature Photonics, visar att detta är en “inverse-designed low-index-contrast structure” på en silicon photonics (SiPh) plattform, potentiellt möjliggörande stora vågbaserade analoga beräkningsplattformar.

Kisel-fotonik använder kisel, ett rikligt tillgängligt och billigt element som används i massproduktionen av datorkretsar, och integrerar komponenter som fotodetektorer, optiska switchar, optiska vågledare och optiska modulatorer på ett kiselsubstrat.

Det kisel-fotoniska (SiPh) chipet i denna studie manipulerar material på nanoskalig nivå för att utföra matematiska beräkningar med ljus. Denna metod att låta ljusvågor interagera med materia lovar att utveckla datorer som överträffar de nuvarande begränsningarna hos dagens chip.

“Vi bestämde oss för att gå samman,” sade professor H. Nedwill Ramsey Nader Engheta, och pekade på utvecklingen av nanoskaliga kiselenheter av forskargruppen ledd av Firooz Aflatouni, som är docent i elektroteknik och systemteknik.

Målet har varit att utveckla en plattform för att utföra vektor-matris-multiplikation (VMM), vilket används i utvecklingen och funktionen av neurala nätverk som driver dagens AI-verktyg.

Enligt studien, medan omvänt designade SiPh-metastrukturer effektivt utför analoga beräkningar med elektromagnetiska vågor, innebär skalning för att hantera ett stort antal datakanaler en utmaning. För att lösa detta antog teamet en 2D omvänt designmetod för att skapa kompakta amorfa linsystem som vanligtvis är framåtriktade och lågresonanta. Studien demonstrerade framgångsrikt en vektor‑matrisprodukt för 2 × 2 och 3 × 3 matriser samt designade en 10 × 10 matris.

Istället för att använda en kiselskiva med enhetlig tjocklek, tunnade teamet selektivt ut kislet i specifika områden. Dessa höjdvariationer möjliggör kontroll över ljusöverföringen genom chipet.

Genom att fördela dessa variationer sprider chipet ljuset i specifika mönster, vilket gör att det kan utföra matematiska beräkningar i ljusets hastighet, den snabbaste möjliga kommunikationsmetoden.

Enligt Aflatouni är denna design redan redo för kommersiella tillämpningar på grund av de begränsningar som den kommersiella fabrik som producerade chipen har infört. Dessutom kan designen potentiellt anpassas för användning i grafikprocessorenheter (GPU:er), en specialiserad elektronisk krets som för närvarande är i enorm efterfrågan i takt med AI-enthusiasten. Genom att integrera kisel-fotonikplattformen som ett tillägg, nämner Aflatouni, kan man påskynda tränings- och klassificeringsprocesserna.

Fördelarna sträcker sig dock bortom hastighet och energieffektivitet, eftersom chipet också förbättrar integriteten. Genom att möjliggöra många beräkningar samtidigt behövs ingen lagring av känslig information i datorns arbetsminne. Detta gör en dator som drivs av sådan teknik i princip ohackbar. Aflatouni kommenterade:

“Ingen kan hacka sig in i ett icke-existerande minne för att få åtkomst till din information.” 

Finansierad delvis av ett bidrag från US Air Force Office of Scientific Researchs Multidisciplinary University Research Initiative och ett annat från US Office of Naval Research, syftar denna studie till att övervinna begränsningarna hos de chip som används idag, vilka fungerar enligt principer som har varit i bruk i många decennier. Men genom att utnyttja ljusets kraft kan detta nya tillvägagångssätt bana väg för nästa generation av AI-utveckling.

Den enorma potentialen hos kisel-fotonik

Under de senaste decennierna har forskning och utveckling av detta material fortsatt. På senare tid har dock kisel-fotonik (SiPh) fått uppmärksamhet på grund av den ökande efterfrågan på snabb och effektiv databehandling.

Detta växande intresse har gjort att den globala marknadsstorleken för kisel-fotonik värderades till $1,29 miljarder år 2022 och förväntas växa med en CAGR på 25,8 % fram till slutet av detta årtionde, enligt Grand View Research. Tillväxten beror på behovet av högre dataöverföringshastigheter och bandbreddskrävande applikationer.

SiPh är den perfekta plattformen här på grund av sin ekonomiska effektivitet och höga integrationsdensitet. Dessutom, eftersom SiPh är kompatibel med elektronisk tillverkning, kan SiPh-fotoniska integrerade kretsar (PIC) tillverkas med etablerad fabriksinfrastruktur. SiPh har dessutom potential att integrera hundratals till tusentals enheter i komplexa PIC:er med en design- och tillverkningsskalbarhet liknande CMOS, vilket öppnar nya tillämpningar i skärningspunkten mellan fotonik och databehandling.

Genom sin höghastighetstransmission, höga integrationsdensitet, utmärkta optiska egenskaper, lägre energiförbrukning och relativt billiga tillverkning har kisel-fotonik blivit en värdefull teknik inom en rad olika områden.

Till exempel har forskning pågått kring användning av kisel-fotonik i LiDAR för autonom körning och industriell automation. LiDAR använder ljus som reflekteras på ytor snarare än radiovågsignaler (RF) för att analysera och leverera kritisk information om omgivningen.

Dessutom kan kisel-fotonik användas för sensning (dvs. optisk sensning), där överföringen av en signal och mottagandet av den överförda optiska signalen kan hjälpa till att bestämma egenskaperna i den omgivande miljön. Detta kan vara fördelaktigt för hälsoapplikationer och konsumenternas bärbara hälsoprodukter.

Förutom autonoma fordon och sensning har användningen av kisel-fotonik också utforskats inom telekommunikation, kvantkommunikation, biomedicin, rymdteknik, astronomi och AR/VR. Kisel-fotonik visar också lovande möjligheter för fullständig integration och storskalig optisk kvantinformationbearbetning.

Sedan finns AI, som kräver högpresterande beräkning. Med AI-manin som når nya toppar och förväntas växa ytterligare, står chipindustrin inför ett akut behov av innovation. Den arbetar flitigt med att placera fler transistorer på ett enda chip för att avsevärt förbättra beräkningskraft och energieffektivitet. Sådana förbättringar är avgörande för att träna och köra AI-algoritmer mer exakt, snabbt och kostnadseffektivt.

I ett försök att vinna halvledartävlingen bygger till och med Kina en produktionslinje för fotoniska chip på grund av deras beräkningshastighet som är snabbare och deras informationskapacitet som är större, vilket kommer att vara betydligt högre än befintliga kiselbaserade chip.

En spelväxlare för AI

AI-manin visar inga tecken på att avta. Denna nya våg av teknologisk utveckling har framträtt som en kraftfull drivkraft som kommer att revolutionera många industrier och forma framtiden. Eftersom AI snabbt blir en integrerad del av våra dagliga liv och datatunga applikationer blir allt mer komplexa, söker alla – från företag och regeringar till institutioner och forskare – sätt att göra den mer effektiv.

Detta driver människor mot kisel-fotonik, som är en av de mest lovande teknologierna för att hantera komplexa och kostsamma beräkningar som utförs av djupa neurala nätverk, en undergrupp av maskininlärningsalgoritmer som möjliggör mer exakt modellprestanda. Djupa nätverk består av lager som innehåller matematiska relationer.

Med sådan komplexitet kan kisel-fotonik hjälpa till att förbättra prestanda och kostnadseffektivitet, vilket skulle förbättra funktionen hos AI- och maskininlärningsapplikationer. AI/ML-världen behöver att data utbyts snabbt samtidigt som så lite energi som möjligt förbrukas, och samtidigt måste hög beräkningsdensitet upprätthållas.

Här möjliggör kisel-fotonik bättre kommunikation mellan beräkningsenheter. Materialet möjliggör dessutom användning av kortdistansoptiska interconnects för att överföra data effektivt över relativt korta avstånd inom AI/ML-applikationer. Snabb dataöverföring är avgörande för beslutsfattande i realtid.

På så sätt bidrar kisel-fotonik till den övergripande effektiviteten och prestandan hos AI-system. Genom att utnyttja detta material kan företag också låsa upp större beräkningskapacitet och få mer exakta och responsiva resultat.

Kisel-fotonik är särskilt lämpad för beräkning på grund av att sådana kretsar kan vara snabbare än traditionella elektroniska kretsar. Dessutom är deras optiska bearbetning inneboende parallell, vilket möjliggör att utföra flera handlingar samtidigt.

Kisel-fotonik möjliggör också att grundläggande komponenter kan kombineras i många olika konfigurationer för att bygga mycket komplexa kretsar, vilket möjliggör skapandet av avancerade system skräddarsydda för specifika tillämpningar.

Framtiden för kisel-fotonik inom AI ser lovande ut, med tanke på dess potential att omvandla AI-algoritmer och ytterligare förbättra AI-systemens kapacitet. Det är verkligen en spännande tid för kisel-fotonik.

Klicka här för att lära dig allt om att investera i artificiell intelligens. 

En titt på populära chipstillverkare

Låt oss nu titta på några framstående namn inom chipstillverkning:

#1. NVIDIA Corporation

Ledaren inom chipindustrin, Nvidia, är för närvarande det tredje mest värdefulla företaget på den amerikanska börsen. Trots allt kontrollerar de cirka 80 % av AI-chipmarknaden. Med sina aktier handlade till 793,50 $, har företaget uppnått ett börsvärde på 1,95 biljon $.

Nvidias aktier har skjutit i höjden som galet och är redan upp 58,6 % år‑till‑datum. Företaget har ett EPS (TTM) på 11,93, ett P/E (TTM) på 65,84 och ett ROE (TTM) på 69,17 %. Det betalar även en utdelningsavkastning på 0,02 %.

När efterfrågan ökar världen över inom olika industrier och länder, rapporterade Nvidia sina resultat för fjärde kvartalet, med en omsättning som mer än tredubblades till 22,1 miljard $. Enligt VD och medgrundare Jensen Huang:

“Accelererad beräkning och generativ AI har nått en brytpunkt.”

Den ökande efterfrågan på deras chip har lett till att företaget förutspår en tillväxt på 233 % i Q1-omsättningen. Företagets H100-datacenterschip är det som hjälper dem att leda AI‑området. Det är optimerat för att bearbeta enorma mängder data och beräkningar med hög hastighet, vilket gör det till en perfekt lösning för den energikrävande uppgiften att träna AI‑modeller.

Klicka här för att lära dig allt om att investera i NVIDIA Corporation (NVDA).

#2. Intel Corporation

Den amerikanska chipstillverkaren gör en återkomst när den expanderar sin foundry-verksamhet, som tillverkar chipdesign för andra företag. Microsoft har valt företaget för att producera sina högpresterande halvledare och “återuppbygga västerländsk tillverkning i stor skala.”

Chipet kommer att designas för att använda Intels 18A-nod, en tillverkningsprocess som gör halvledare mindre och mer energieffektiva. “Intel är landets ledande chipföretag,” sade USAs handelsminister Gina Raimondo och påpekade att Google, OpenAI och andra som bygger LLM:er kommer att behöva en “sinnesblåst” volym av halvledare under de kommande åren.

Vid skrivande stund handlas Intels aktier till 43,12 $, ned 14,47 % år‑till‑datum, vilket ger företaget ett börsvärde på 181,7 miljard $. Det har ett EPS (TTM) på 0,38, ett P/E (TTM) på 113,46 och ett ROE (TTM) på 1,63 %. Det betalar även en utdelningsavkastning på 1,16 %. Enligt Intels VD Pat Gelsinger:

“Den totala efterfrågan (på AI-chip) verkar vara omättlig i flera år framöver.”

#3. Samsung

Den sydkoreanska teknikjätten planerar att lansera sin 2 nm chipteknik för att få ett försprång gentemot andra chipstillverkare. Enligt Samsungs Foundry Forum (SFF)-plan kommer företaget att börja producera 2 nm-processen i stor skala år 2025 för mobila appar och sedan gå över till högpresterande beräkningsapplikationer året därpå, för att därefter gå in i bilindustrin. Ett år senare förväntas Samsung påbörja 1,4 nm-processen.

Företaget har ett börsvärde på 373 miljard $ med sina aktier handlade till 1 373 $. Samsung har ett P/E‑tal (TTM) på 14,25, ett EPS (TTM) på 96,44 och betalar en utdelningsavkastning på 1,98 %. Under sin finansiella rapport för Q4 2023 noterade Samsung att deras foundry‑division har säkrat ett avtal för sina 2 nm AI-chip från den japanska AI-startupen Preferred Networks (PFN), som tidigare har samarbetat med Taiwan Semiconductor Manufacturing Co (TSMC).

Chipstillverkaren samarbetar också med Arm för att optimera Cortex‑X‑kärnan på sin mest avancerade chip‑tillverkningsteknik, GAA. Sent förra året skrev Samsung också på ett avtal med Tenstorrent, som syftar till att utmana Nvidia som kund.

Slutsats

När AI-framsteg driver efterfrågan på ökad beräkningskraft har kisel-fotonik framträtt som en lovande teknik som har potential att minska latens samtidigt som den ökar effektiviteten genom att möjliggöra tillverkning av fotoniska komponenter på kisel med standardiserade halvledartillverkningsprocesser.

Även om kisel-fotonik har många fördelar, kommer de inte att ersätta elektroniska chip inom den närmaste framtiden. Detta beror på att kisel-fotonikens möjligheter förblir snävt fokuserade och har tekniska hinder i form av mjukvaruutveckling för att optimera deras kapacitet. Så det kommer att ta tid innan användningen av kisel-fotonik blir utbredd, men teknologin är fortfarande i sin startfas, och med AI-teknikens snabba utveckling kan detta definitivt påskyndas.

Klicka här för att lära dig om den nuvarande statusen för kvantdatorer.