Электронные процессоры достигли предела в борьбе с задержками и энергопотреблением. Особенно критично это для роботов, дронов и беспилотных автомобилей, где каждый микросекундный просчет может привести к аварии. Перевод сигналов из оптики в электронику и обратно — неизбежное зло современных гибридных систем: потери энергии и времени растут, безопасность падает.
Группа ученых из Университета Сидянь предложила кардинальное решение — полностью фотонную нейроморфную систему, которая выполняет обучение с подкреплением, не покидая оптическую среду. До сих пор фотонные спайковые нейросети могли совершать только линейные вычисления, упираясь в отсутствие компактных нелинейных элементов с низким порогом срабатывания. Китайские инженеры эту проблему решили.
Система состоит из двух чипов. Первый — 16-канальный фотонный нейроморфный чип с 272 обучаемыми параметрами на базе матрицы интерферометров Маха — Цендера. Второй — массив лазеров с обратной связью и насыщаемым поглотителем, обеспечивающий ультранизкий порог нелинейной активации спайков. Разработан и гибридный фреймворк: модель тренируется в софте, переносится на чипы и дообучается с учетом аппаратных особенностей.
Тестирование провели на классических задачах робототехники: CartPole (балансировка шеста на тележке) и Pendulum (раскачивание и стабилизация маятника). Результаты впечатляют. Аппаратная точность упала всего на 1,5 и 2 процента по сравнению с программной моделью. В CartPole система достигла идеальной производительности, в более сложной Pendulum — «хорошей».
Энергоэффективность линейных вычислений достигла 1,39 триллиона операций в секунду на ватт (TOPS/Вт) — уровень GPU, но без потерь на конвертацию. Нелинейные операции показали 987,65 миллиарда операций (GOPS/Вт). Задержка вычислений на чипе — всего 320 пикосекунд. Для сравнения: это в тысячи раз быстрее, чем требуется для реакции на опасность при автономном вождении.
Авторы планируют масштабировать систему до 128-канального чипа, что позволит решать задачи нейроморфной навигации и управления. Разработка — важный шаг к созданию по-настоящему быстрых и экономичных ИИ-систем, работающих на импульсах света. И главное — без оглядки на электронику.
