Pagsasanay ng AI Gamit ang Optical Fiber: Isang Paglukso Batay sa Liwanag

Bakit Maaaring Palitan ng Optical Fiber ang Kuryente sa AI Computing

Since the early days of computing, 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.

Habang patuloy na lumiit ang mga silicon chip, naghahanap ang mga mananaliksik ng mga bagong paraan upang bumuo ng mga computer na maaaring itulak ang ating kapasidad lampas sa mga silicon chip, isang paksa na aming sinuri sa “Top 10 Non-Silicon Computing Companies”.

Kasama sa mga pamamaraang ito ang paggamit ng iba’t ibang materyales, tulad ng carbon carbide, vanadium dioxide, mga organikong materyales, o graphene, halimbawa. Isa pang paraan ay ang pagbabago ng paraan ng pag-compute, paglayo mula sa binary programming ng electricity-based computing, na kinabibilangan ng quantum computing at photonics.

Gumagamit ang photonics ng liwanag sa halip na kuryente upang i-encode at ilipat ang impormasyon. Gayunpaman, hanggang ngayon, ito ay patuloy na kinokonvert sa isang binary signal, na nabigong lumikha ng ganap na light-based na anyo ng computation.

Nagbago ito sa pamamagitan ng gawain ng mga mananaliksik sa Tampere University (Finland) at Université Marie et Louis Pasteur (Besançon, France). Gumamit sila ng optical fiber para sa napakabilis na kalkulasyon at inilathala ang kanilang mga natuklasan sa siyentipikong journal na Optics Letters¹, sa pamagat na “Mga Limitasyon ng Nonlinear at Dispersive na Paglaganap ng Fiber para sa isang Optical Fiber-based Extreme Learning Machine”.

Mga Limitasyon ng Tradisyonal na Pagsasanay ng AI Gamit ang Electronic Systems

Ang pagsasanay ng AI at pagproseso ng data ay umaabot na sa mga limitasyon pagdating sa kahusayan, kung saan ang AI computation ay lalong napipigilan ng konsumo ng enerhiya at bilis ng pagproseso ng data.

Sa kabilang banda, ang mga kalkulasyong batay sa liwanag ay may potensyal na maging libu-libong beses na mas mabilis at maaaring i-encode ang data sa maliliit na pagkakaiba ng enerhiya, na nagiging mas epektibo. Ang problema ay hanggang ngayon, walang direktang kalkulasyon gamit ang liwanag ang naisagawa.

Gumamit ang gawain ng mga mananaliksik ng isang partikular na klase ng computing architecture na kilala bilang Extreme Learning Machine, (ELM) isang pamamaraan na hango sa neural networks.

Kabilang sa ilan sa kanilang mga kalamangan, ang mga ELM ay maaaring matuto mula sa training data sa isang hakbang at isang medyo simpleng algorithm.

Bilang pangkalahatang patakaran, ang ELM ay malamang na hindi magiging kapaki-pakinabang para sa napaka-komplikadong mga gawain na nangangailangan ng maraming layer ng AI training, ngunit maaaring mag-perform nang napakabuti at mas epektibo para sa mga tiyak na gawain, tulad ng visual recognition halimbawa.

Paano In-encode ng mga Mananaliksik ang mga Larawan Gamit ang Optical Fibers

Gumamit ang mga mananaliksik ng femtosecond laser pulses (isang bilyong beses na mas maikli kaysa sa flash ng kamera) at isang optical fiber na naglilimita ng liwanag sa isang lugar na mas maliit kaysa sa isang bahagi ng buhok ng tao upang bumuo ng isang optical ELM system.

Ang mga laser pulse ay sapat na maikli upang maglaman ng maraming iba’t ibang wavelength o kulay, na lumilikha ng isang mayamang dataset.

Pagkatapos ay ipinadala nila ang mga data sa fiber na may relatibong delay na naka-encode ayon sa isang larawan.

Pinagmulan: Tampere University

Ang Papel ng Nonlinear Optics sa AI Processing

Ang anyo ng pag-encode ng data na ito ay binago ng nonlinear na interaksyon ng liwanag at salamin.

Ang linear optics ay ang karaniwang optics na itinuturo sa paaralan, kung saan ang liwanag ay direktang nakikipag-ugnayan sa isang prism, halimbawa.

Sa non-linear optics, ang reaksyon ng medium kung saan dumadaan ang liwanag ay nakadepende sa wavelength, intensity, direksyon, at polarization ng liwanag.

Ang mga nonlinear optical component ay maaaring magdulot ng pagsasama ng mga photon na may iba’t ibang frequency at lumikha ng mga bagong photon sa mga bagong frequency.

“Sa halip na gumamit ng tradisyunal na electronics at mga algorithm, ang computation ay nakakamit sa pamamagitan ng pagsamantala sa nonlinear na interaksyon sa pagitan ng matinding light pulses at ng salamin.”

Mathilde Hary and Andrei Ermolaev – Post-Doctoral Researchers

Ang non-linear na interaksyon at Extreme Learning Machine (ELM) algorithm ay nakapag-train ng AI upang i-klasipika ang mga handwritten digit (tulad ng mga ginagamit sa popular na MNIST AI benchmark).

Pinagmulan: Optics Letters

Naabot ng mga pinakamahusay na sistema ang katumpakan na higit sa 91%, na malapit sa mga state-of-the-art na digital na pamamaraan.

Ang nagbigay ng kahusayan sa resulta ay naabot ito sa loob ng mas mababa sa isang picosecond, o isang trilyong bahagi ng isang segundo (0.000000000001 segundo).

Ideal na Optimasyon

Ang pinakamagagandang resulta ay hindi nangyari sa pinakamataas na antas ng nonlinear na interaksyon o komplikasyon.

Sa halip, kailangan nila ng maingat na balanse sa pagitan ng haba ng fiber, dispersion (ang pagkakaiba sa bilis ng pag-propagate ng iba’t ibang wavelength), at antas ng kapangyarihan.

“Ang performance ay hindi simpleng usapin ng pagtaas ng kapangyarihan sa fiber.  Nakasalalay ito sa kung gaano eksaktong nakaayos ang liwanag sa simula, sa ibang salita kung paano naka-encode ang impormasyon, at kung paano ito nakikipag-ugnayan sa mga katangian ng fiber.”

Mathilde Hary – Post-Doctoral Researcher

Ang mga Optical Fiber Computer ba ang Hinaharap ng AI?

Ang pagsasanay ng AI gamit lamang ang liwanag ay isang radikal na paglayo mula sa lahat ng pamamaraan na ginamit hanggang ngayon. Malamang na hindi ito magiging metodong magagamit para sa bawat uri ng data, ngunit para sa mga data kung saan ito maaaring ilapat, maaaring magdala ito ng mga resulta na 1,000 beses na mas epektibo sa enerhiya, at hanggang isang milyong beses na mas mabilis.

“Ipinapakita ng aming mga modelo kung paano nakakaapekto ang dispersion, nonlinearity at kahit ang quantum noise sa performance, na nagbibigay ng mahalagang kaalaman para sa pagdidisenyo ng susunod na henerasyon ng hybrid optical-electronic AI systems.”

Andrei Ermolaev – Post-Doctoral Researcher

Malamang, ang ganitong pamamaraan ay magreresulta sa pag-delegate ng ilang AI calculation sa non-linear optical fiber hardware na espesyal na ginawa para sa gawain. Kaya ang mga paulit-ulit na gawain, tulad ng visual identification, ay magiging pinakamahusay na kandidato kaysa sa pagproseso ng bagong data.

“Ipinapakita ng gawaing ito kung paano ang pangunahing pananaliksik sa nonlinear fiber optics ay maaaring magdala ng mga bagong pamamaraan sa computation. Sa pamamagitan ng pagsasama ng physics at machine learning, binubuksan namin ang mga bagong landas patungo sa ultrafast at energy-efficient na AI hardware.”

Andrei Ermolaev – Post-Doctoral Researcher

Ang mga posibleng aplikasyon ay mula sa real-time signal processing hanggang sa environmental monitoring at high-speed AI inference.

Gayunpaman, ang ganitong gawain ay nasa yugto pa lamang ng pagpapakita ng mga pangunahing prinsipyo ng teknik, at malayo pa sa hakbang ng komersyalisasyon.

Gayunpaman, ipinapakita nito na ang photonics ay malamang na magiging lalong mahalagang bahagi ng industriya ng computing sa hinaharap, dahil ang liwanag ay maaaring mas mahusay kaysa sa kuryente para sa ilang aplikasyon ng computing dahil sa mga pangunahing dahilan sa pisika.

Nangungunang Publikong Nakakalistang Kumpanya ng Laser at Photonics

Coherent (II-VI Marlow): Isang Nangungunang Inobasyon sa Laser

Ang Coherent ay isang malaking industriyal na konglomerado na may higit sa 26,000 na empleyado at isang nangunguna sa teknolohiyang laser. Ito ay nabuo mula sa pagsasanib ng advanced material na II-VI Marlow at ng gumagawa ng laser na Coherent.

Ang kumpanya ay eksperto sa mga advanced na materyales na ginagamit sa mga laser, optics, at photonics, tulad ng indium phosphide, epitaxial wafers, at gallium arsenide.

Lumago ito nang malaki dahil sa maraming acquisitions sa nakaraang dekada, mula $600M na kita noong 2013 hanggang $4.7B noong 2024.

Ang kumpanya ay kumukuha ng 29% ng kita nito mula sa mga laser nang direkta, habang ang natitira ay nauugnay sa mga kagamitan tulad ng optical fiber, at electronics. Ang kategorya ng instrumentation ay karamihan ay kinabibilangan ng buhay

Pinagmulan: Coherent

Ang presensya ng kumpanya sa mga advanced na materyales tulad ng thermophotovoltaics (na tinalakay namin sa isang nakaraang artikulo), silicon carbide, mga laser, at electronics ay tumutulong dito na makinabang mula sa mga estruktural na trend tulad ng paglago ng precision manufacturing, additive manufacturing (3D printing), electrification, at renewable energies.

Kamakailan lamang, hiniwalay ng kumpanya ang negosyo nito sa silicon carbide sa isang bagong entidad, na 75% pagmamay-ari ng Coherent, habang ang natitira ay pantay na pagmamay-ari ng mga kasosyo nitong Mitsubishi Electric (nagdadala ng silicon carbide power IP) at Denso (nagdadala ng aktibidad nito bilang automotive supplier sa electrification at power semiconductors).

Ito ay dahil ang silicon carbide ay patuloy na nagiging sariling teknolohiya, na kadalasang ginagamit sa mga high-power na aplikasyon tulad ng EVs, baterya, at renewable energy.

Ang Coherent ay isang lider sa LIDAR at 3D-digital sensing, kabilang ang mga aplikasyon para sa self-driving, biotech Next Generation Sequencing (NGS) Flow Cells, at mga laser para sa semiconductor manufacturing. Inaasahan nitong lumago ang pangunahing mga pamilihan nito ng 8-20%.

Pinagmulan: Coherent

Ang iba pang potensyal na bagong aplikasyon ng mga laser, tulad ng direct energy weapons, photonic computing, nuclear fusion, at spacetech, ay maaaring pantay-pantay na makatulong sa pagpapanatili ng pangmatagalang paglago ng kumpanya.

Sa pangkalahatan, ang Coherent ay kasing lapit ng isang “pure play” na publikong nakalistang kumpanya ng laser para sa mga mamumuhunan na interesado sa sektor, na may malakas na vertical integration at higit sa 3,100 na patente na nagpoprotekta sa mga inobasyon nito.

Habang umuunlad ang photonics, unti-unti nitong tataas ang pangangailangan para sa ultra-fast, ultra-precise na mga laser system, pati na rin ang mga laser na ginagamit sa optical telecommunications.

Pinakabagong Balita at Pag-unlad ng Stock ng Coherent (COHR)

Pag-aaral na Binanggit

^{1. Andrei V. Ermolaev, Mathilde Hary, et al. Mga Limitasyon ng Nonlinear at Dispersive na Paglaganap ng Fiber para sa isang Optical Fiber-based Extreme Learning Machine. Optics Letters. Vol. 50, Issue 13, pp. 4166-4169 (2025) https://doi.org/10.1364/OL.562186}