🔬 optics

On-chip 1 TOPS Hyperdimensional Photonic Tensor Core using a WDM Silicon Photonic Coherent Crossbar

تقدم هذه الورقة نواة تنسور ضوئية فوتونية ذات أبعاد فائقة مدمجة على الشريحة بقدرة 0.96 تيرابايت من العمليات في الثانية، تستخدم مصفوفة تقاطع سيليكونية ضوئية متعددة الإرسال عبر الزمان والمكان والطول الموجي، والتي تحقق ضرباً تنسورياً-متجهياً عالي السرعة مع خطأ منخفض وتُظهر أداءً فعالاً في تصنيف الذكاء الاصطناعي مع توفير مسار قابل للتوسع نحو قدرة حوسبة بمستوى الـ POPS.

المؤلفون الأصليون: S. Kovaios, I. Roumpos, A. Tsakyridis, M. Moralis-Pegios, D. Lazovsky, K. Vyrsokinos, N. Pleros

نُشر 2026-05-14

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: S. Kovaios, I. Roumpos, A. Tsakyridis, M. Moralis-Pegios, D. Lazovsky, K. Vyrsokinos, N. Pleros

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك تحاول حل لغز رياضي ضخم ومعقد. في عالم الذكاء الاصطناዊ (AI)، تتضمن هذه الألغاز ضرب شبكات ضخمة من الأرقام (المصفوفات) في قوائم من الأرقام (المتجهات). القيام بذلك باستخدام الحواسيب الإلكترونية التقليدية يشبه محاولة نقل كل المياه الموجودة في مسبح باستخدام كوب واحد في كل مرة: الأمر ينجح، لكنه بطيء ويستهلك الكثير من الطاقة.

تقدم هذه الورقة البحثية محركًا "فوتونيًا" (يعتمد على الضوء) فائق السرعة، صُمم لحل هذه الألغاز فورًا. إليك كيف فعلوا ذلك، مشروحًا ببساطة:

المشكلة: بيانات كثيرة، مساحة قلي تـحتاج

فكر في شريحة الكمبيوتر القياسية كأنها مطبخ صغير. إذا حاولت طهي وليمة لألف شخص (نموذج ذكاء اصطناعي ضخم) في هذا المطبخ الصغير، فستنفد منك مساحة الطاولة وتتعطل المواقد. أراد الباحثون بناء "مطبخ" يمكنه التعامل مع كميات هائلة من البيانات دون نفاد المساحة أو الطاقة.

الحل: طريق سريع ثلاثي الأبعاد

بنى الفريق "شبكة تقاطع" (Crossbar) خاصة (وهي عبارة عن شبكة طرق للضوء) تستخدم ثلاث حيل مختلفة لنقل البيانات في نفس الوقت. هم يسمونها TSWDM (تعدد الإرسال بتقسيم الزمن والمكان والطول الموجي).

المكان (مسارات الطريق): تخيل طريقًا سريعًا به مسارات متعددة. بدلًا من سيارة واحدة (بيانات) تسير في طريق واحد، بنوا شبكة بها مسارات كثيرة جنبًا إلى جنب. هذا هو جزء "المكان".
الزمن (تدفق حركة المرور): تخيل أن تلك المسارات مزدحمة للغاية بحيث تسير السيارات في تدفق مستمر، واحدة تلو الأخرى مباشرة، مثل حزام ناقل. لقد نظموا المسائل الرياضية لتحدث في تتابع سريع للغاية. هذا هو جزء "الزمن".
الطول الموجي (الترميز اللوني): هذا هو الجزء الأكثر ذكاءً. تخيل أنه بدلًا من استخدام الضوء الأبيض فقط، فإنهم يستخدمون ألوانًا مختلفة من الضوء (مثل الأحمر، والأزرق، والأخضر، والأصفر) لحمل تدفقات بيانات مختلفة في وقت واحد على نفس الطريق. يعمل كل لون كقناة منفصلة. هذا هو جزء "الطول الموجي".

من خلال الجمع بين هذه العناصر الثلاثة، أنشأوا محركًا "فائق الأبعاد". إنه يشبه امتلاك طريق سريع حيث تسير السيارات في مسارات متعددة، وفي تدفق مستمر، وكل مسار مطلي بلون مختلف، وكلها تحمل أجزاء مختلفة من اللغز الرياضي في آن واحد.

التجربة: اختبار "آيريس" (Iris)

لإثبات نجاح هذا المحرك الجديد، بنوا شريحة سيليكون صغيرة (بحجم ظفر الإصبع، حوالي 2 ملم مربع) تعمل كنسخة من نظامهم بـ 4 مسارات ومدخلين.

السرعة: قاموا بتمرير البيانات عبرها بسرعات عالية جدًا (تصل إلى 60 مليار رمز في الثانية).
الاختبار الرياضي: طلبوا من الشريحة إجراء "عمليات ضرب الموتر والمتجه" (نوع معقد من الرياضيات). حصلت الشريحة على الإجابة الصحيحة بنسبة 96% من المرات، بمتوسط خطأ قدره 3.9% فقط.
الاختبار الواقعي: استخدموا الشريحة لتصنيف الزهور (مجموعة بيانات "آيريس" الشهيرة). تمكنت الشريحة من تحديد نوع الزهرة بدقة 93.3% عند تشغيلها بسرعات متوسطة، وظلت تحافظ على دقة 83.3% حتى عندما دفعوا السرعة إلى أقصى حد.

لماذا يهم هذا (سر "القابلية للتوسع")

تجادل الورقة البحثية بأن خدعة "الترميز اللوني" (الطول الموجي) هي مفتاح المستقبل.

تخيل أنك تريد بناء نسخة أكبر من هذه الشريحة للتعامل مع نماذج ذكاء اصطناعي أكبر.

الطريقة القديمة (المكان فقط): للحصول على قوة أكبر، سيتعين عليك جعل الشريحة ضخمة فيزيائيًا، عبر إضافة المزيد من المسارات. ولكن كلما كبرت الشريحة، أصبح الضوء خافتًا وتصبح الرياضيات أكثر تعقيدًا (مزيد من الأخطاء)، مما يتطلب ليزرًا فائق القوة لدفع الضوء عبرها.
الطالط الجديدة (الطول الموجي): من خلال إضافة المزيد من الألوان بدلًا من مجرد جعل الشريحة أعرض فيزيائيًا، يمكنهم تعزيز القوة دون الحاجة إلى ليزر ضخم. الأمر يشبه إضافة المزيد من محطات الراديو إلى نفس النطاق التردسي بدلًا من بناء برج جديد.

الخلاصة

أظهر الباحثون نموذجًا أوليًا يعمل بقدرة حوسبة تبلغ 0.96 TOPS (تريليون عملية في الثانية) على شريحة صغيرة. ويتوقعون أنه إذا قاموا بتوسيع نطاق هذا العمل باستخدام طريقة "الترميز اللوني"، فقد يتمكنون في النهاية من بناء مسرعات فوتونية قادرة على تحقيق 491.5 TOPS (أي أسرع بنحو 500 مرة من نموذجهم الحالي) مع استخدام طاقة أقل وقدرة ليزر أقل من الطرق التقليدية.

باختصار، لقد صنعوا محرك رياضيات بسرعة الضوء يستخدم المساحة والزمن واللون لحل مشكلات الذكاء الاصطناعي بشكل أسرع وأكثر كفاءة من أي وقت مضى، مما يثبت نجاح ذلك في مهمة تصنيف زهور حقيقية.

ملخص تقني: نواة تنسور ضوئية فوتونية ذات أبعاد مفرطة بقدرة 1 TOPS على الشريحة باستخدام مصفوفة متقاطعة (Crossbar) متماسكة من السيليكون بتقنية تقسيم الطول الموجي بتقسيم الطول الموجي (WDM)

بيان المشكلة
أدى التوسع السريع في تطبيقات الذكاء الاصطناعي إلى خلق طلب ملح على أنظمة حوسبة قادرة على تنفيذ عمليات الجبر الخطي بكفاءة عالية، وتحديداً ضرب المصفوفات في المتجهات (MVM) وضرب التنسور في المتجهات (TVM). وبينما توفر المسرعات الضوئية كفاءة طاقة ونطاقاً ترددياً واعدين، تواجه التنفيذات الحالية عقبات كبيرة في التوسع لتلبية متطلبات المعاملات (parameters) لنماذج الذكاء الاصطناعي الحديثة. تعتمد النهج الحالية غالباً على بُعد واحد فقط من تعدد الإرسال: تقسيم الطول المكاني (SDM) عبر الشبكات الضوئية المتماسكة يعاني من خسائر الإدخال (insertion losses) التي تحد من القابلية للتوسع؛ وتقسيم الطول الموجي (WDM) يواجه تحديات في توليد أعداد كبيرة من القنوات على الشريحة؛ أما تقسيم تقسيم الوقت (TDM) فيؤدي إلى تأخير في الاستجابة (latency) ولا يحل مشكلة توسع الإنتاجية (throughput). علاوة على ذلك، فإن معظم التجارب المتقدمة التي تجاوزت مئات الـ TOPS اعتمدت بشكل كبير على أجهزة تعتمد على الألياف الضوئية الضخمة (bulk fiber-based)، مما ترك الأنظمة الموجودة على الشريحة (on-chip) تكافح لتوظيف تعدد تقسيم الوقت والمكان والطول الموجي في آن واحد.

المنهجية
يقترح المؤلفون ويتحققون تجريبياً من بنية Xbar مبتكرة تعتمد على تعدد تقسيم الوقت والمكان والطول الموجي (TSWDM). هذا التصميم يعمم المصفوفة الضوئية المتماسكة (Xbar) لدعم ثلاثة أبعاد متزامنة لتعدد الإرسال:

الوقت: يتم تسلسل العمليات عبر النطاق الزمني.
المكان: يتم توزيع عبء العمل الحسابي عبر الصفوف والأعمدة المكانية.
الطول الموجي: يتم موازاة عقد الحوسبة الأولية عبر قنوات متعددة للأطوال الموجية.

تتكون البنية من مصدر متعدد الأطوال الموجية، ومصفوفة Xbar بأبعاد $L \times M \times N$ (حيث تمثل $L$ و $M$ و $N$ قنوات الطول الموجي، والصفوف، والأعمدة)، وموقع كشف لتقسيم الإشارات. يستخدم النظام شبكة من عقد الحوسبة متعددة الإرسال، حيث تتكون كل عقدة من مصفوفة من العناصر الأولية (عادةً ما تكون مُعدِّل سعة ومُعدِّل طور) متداخلة بين مراحل تقسيم الإشارات (demultiplexing) وتعدد الإرسال (multiplexing).

للتحقق التجريبي، قام المؤلفون بتصنيع Xbar سيليكوني بـ 4 قنوات ومدخلين على منصة IMEC 200 مم. تدمج الشريحة:

مُعدِّلات امتصاص إلكتروني-بصري (EAMs) من نوع SiGe بقدرة 50 $\mu$ m و56 GHz (تقنية Franz-Keldysh) تعمل كمُعدِّلات للمدخلات والأوزان.
مُزاحات طور حرارية (TO-PS) بطول 170 $\mu$ m لضمان نقش الإشارة (sign imprinting) والتداخل البناء الصحيح.
مراحل تقسيم مزدوجة للحلقات الدقيقة (DE-MUX) بـ 4 قنوات على الشريحة توفر تباعداً بين القنوات قدره 3 نانومتر.

استخدم الإعداد التجريبي مصدراً ليزرياً قابلاً للضبط بـ 4 قنوات، ومولد موجات أر bits (AWG) للتشغيل الترددي (RF)، وتنفيذاً خارجياً (offline) للمكامل الزمني ودوال التنشيط. تم اختبار النظام لتوصيف التيار المستمر (DC)، وضرب التنسور في المتجهات (TVM)، والاستدلال (inference) على شبكة عصبية كاملة الاتصال مدربة لتصنيف مجموعة بيانات "Iris".

النتائج الرئيسية

ضرب التنسور في المتجهات: نجحت Xbar TSWDM بـ 4 قنوات ومدخلين في تنفيذ عمليات TVM بمتوسط خطأ قدره 3.9% مقارنة بالنواتج المثالية. تم تحقيق ذلك من خلال معايرة النظام لاستعادة الخطية ومعالجة عدم انتظام خسائر الإدخال (IL) للمُعدِّلات.
الاستدلال العصبي: في مهمة تصنيف مجموعة بيانات Iris، حقق المعالج الضوئي دقة تجريبية بلغت 93.3% عند معدلات بيانات تتراوح بين 4 $\times$ 10 و4 $\times$ 30 GBd. ظلت الدقة قوية، حيث وصلت إلى 83.3% حتى عندما ارتفع معدل البيانات إلى 4 $\times$ 60 GBd.
الإنتاجية الحسابية: أظهر النظام على الشريحة إنتاجية حسابية بلغت 0.96 TOPS مع كفاءة مساحة قدرها 480 GOPS/mm².
تحليل القابلية للتوسع: يشير التحليل النظري إلى أن دمج مخطط WDM في بنية SDM يقلل من طاقة الليزر المطلوبة للتشغيل. بالنسبة لإنتاجية حسابية محددة، يوفر نهج WDM تحسيناً يصل إلى 1-بت في دقة البت القابلة للتحقيق مقارنة بـ Xbar من نوع SDM نقي بنفس القدرة، ويرجع ذلك أساساً إلى تقليل خسائر الإدخال المرتبطة بعدد أقل من التقاطعات الفيزيائية في التخطيطات الموسعة.

الأهمية والادعاءات
يزعم البحث تقديم أول معالج ضوئي فائق التعدد (hyper-multiplexed) متماسك قادر على إجراء عمليات MVM و TVM عشوائية على الشريحة من خلال دمج أبعاد الوقت والمكان والطول الموجي. ويؤكد المؤلفون أن هذه البنية توفر مساراً ناضجاً لزيادة القدرة الحسابية مع دعم عدد كبير من المعاملات القابلة للتدريب، مما يعالج قيود مخططات تعدد الإرس_ال أحادية البعد.

يسلط العمل الضوء على أنه بينما يمكن تبادل الأبعاد المكانية والطيفية من حيث القوة الحسابية الخام، فإن نهج WDM يقدم مساراً أكثر استدامة لتوسيع الدوائر الضوئية. وتحديداً، يشير التحليل إلى أن تخطيطات WDM يمكنها رفع إمكانية بناء مسرعات ضوئية ذات إنتاجية حسابية في نطاق الـ POPS (بيتا عملية في الثانية) من خلال تقليل متطلبات طاقة الليزر وتخفيف عقوبات خسارة الإدخال المرتبطة بزيادة الأبعاد المكانية. ويعد العرض التجريبي لنواة بقوة 0.96 TOPS بمثابة إثبات مفهوم لهذا النهج ذي الأبعاد المفرطة.

المشكلة: بيانات كثيرة، مساحة قلي تـحتاج

الحل: طريق سريع ثلاثي الأبعاد

التجربة: اختبار "آيريس" (Iris)

لماذا يهم هذا (سر "القابلية للتوسع")

الخلاصة

أبحاث مشابهة