🔬 optics

Scalable native signed optical computing enabled by dual-wavelength incoherent multiplexing

تقدم هذه الورقة بنية حوسبة بصرية ذات إشارة مميزة وأصلية وقابلة للتوسع على منصة نيوبات الليثيوم ذات الغشاء الرقيق، والتي تستخدم تعدد الإرسال غير المترابط ثنائي الطول الموجي لإجراء عمليات ثنائية القطب بتكاليف أجهزة ثابتة، محققةً تعديلاً عالي السرعة وتصنيفاً دقيقاً للشبكات العصبية دون الحاجة إلى ترميز مكاني أو زماني إضافي.

المؤلفون الأصليون: Yuan Ren, Yong Zheng, Ruixue Liu, Yunpeng Song, Qinfen Huang, Min Wang, Ya Cheng

نُشر 2026-05-21

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Yuan Ren, Yong Zheng, Ruixue Liu, Yunpeng Song, Qinfen Huang, Min Wang, Ya Cheng

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 تعليم كمبيوتر التعرف على الأنماط، مثل التمييز بين نوعين من السحب أو قراءة الأرقام المكتوبة بخط اليد. للقيام بذلك، يحتاج الكمبيوتر إلى حل مليارات المسائل الرياضية بسرعة كبيرة. تقليديًا، تقوم أجهزة الكمبيوتر بهذه العمليات باستخدام الكهرباء، لكنها بدأت تصطدم بحائط مسدود: فهي تزداد حرارة وتصبح بطيئة للغاية.

لقد حاول العلماء استخدام الضوء بدلاً من الكهرباء لحل هذه المسائل الرياضية لأن الضوء سريع للغاية ولا يولد الكثير من الحرارة. ومع ذلك، هناك عقبة كبيرة: الضوء بطبيعته "إيجابي". يمكنك الحصول على شعاع ساطع أو خافت، لكن لا يمكنك الحصول على "ضوء سلبي". وهذا يجعل من الصعب على الحواسيب القائمة على الضوء إجراء نوع الرياضيات اللازم للذكاء الاصطناعي الحديث، والذي يعتمد بشكل كبير على الأرقام الموجبة والسالبة (مثل قراءة ميزان الحرارة +10 درجات مئوية أو -10 درجات مئوية).

كانت المحاولات السابقة لإصلاح هذا الأمر تشبه محاولة حمل حقيبة ظهر ثقيلة يزداد حجمها في كل مرة تضيف فيها غرضًا جديدًا. فقد كانت تتطلب أجهزة إضافية أو خطوات إضافية لمجرد التعامل مع الأرقام السالبة، مما جعل النظام ضخمًا وغير فعال كلما زاد حجمه.

الحل الجديد: خدعة اللونين

قام الباحثون في هذه الورقة البحثية ببناء شريحة "كمبيوتر ضوئي" جديدة تحل هذه المشكلة ببراعة. إليك كيف فعلوا ذلك، باستخدام تشبيه بسيط:

المشكلة: تخيل أنك طاهٍ يحاول خلط المكونات. أنت بحاجة لخلط مكونات "موجبة" (مثل السكر) ومكونات "سالبة" (مثل الملح) للحصول على النكهة الصحيحة. لكن مطبخك يحتوي فقط على أوعية يمكنها احتواء السكر، وليس الملح.

الطريقة القديمة: للتعامل مع الملح، كان عليك بناء مطبخ ثانٍ ومنفصل للملح، أو اتخاذ طريق طويل وبعيد إلى غرفة أخرى. هذا جعل المطبخ ضخمًا وبطيئًا.

الطريقة الجديدة (هذه الورقة): ابتكر العلماء خدعة ذكية باستخدام لونين مختلفين من الضوء (فكر فيهما كالأحمر والأزرق).

الترميز: بدلاً من محاولة صنع "ضوء سلبي"، قاموا بتقسيم كل رقم إلى جزأين: جزء "أحمر" وجزء "أزرق".
- الرقم الموجب هو أحمر في الغالب مع القليل من الأزرق.
- الرقم السالب هو أزوي في الغالب مع القليل من الأحمر.
المسار المشترك: يقومون بإرسال كلا اللونين عبر نفس الممر (نفس المسار الفيزيائي على الشريحة).
الفلتر السحري: يستخدمون فلترًا خاصًا (وحدة وزن) يعامل الضوء الأحمر والأزرق بطرق متعاكسة. إذا جعل الفلتر الضوء الأحمر أكثر سطوعًا، فإنه تلقائيًا يجعل الضوء الأزرق أخفت، والعكس صحيح.
النتيجة: عندما يقيسون الفرق بين الضوء الأحمر والأزرق في النهاية، تقوم الرياضيات طبيعيًا بحساب النتيجة الموجبة أو السالبة دون الحاج بأي معدات إضافية أو اتخاذ طريق طويل.

لماذا يعد هذا أمرًا بالغ الأهمية؟

لا زيادة في الحجم: في الطرق السابقة، إذا أردت القيام بمزيد من العمليات الحسابية، كان عليك بناء المزيد من الأجهزة. في هذا النظام الجديد، "تكلفة" التعامل مع الأرقام السالبة ثابتة. سواء كنت تقوم بمسألة رياضية صغيرة أو ضخمة، فإن الأجهزة الإضافية المطلوبة تظل كما هي. إنه يشبه امتلاك حقيبة ظهر لا يزداد وزنها مهما أضفت من كتب.
سريع جدًا: الشريحة التي بنوها مصنوعة من مادة خاصة تسمى نيوبات الليثيوم ذات الغشاء الرقيق. وهي سريعة جدًا لدرجة أنها تستطيع معالجة البيانات بسرعة تزيد عن 40 مليار مرة في الثانية (40 جيجاهرتز). هذا أسرع من رفرفة أجنحة طائر الطنان.
دقيق: اختبروا هذا النظام باستخدام تحديين شهيرين للذكاء الاصطناعي:
1. مهمة "الأهلة" (Moons Task): لغز حيث يتعين على الكمبيوتر رسم خط لفصل مجموعتين منحنيتين من نقاط البيانات. حقق الكمبيوتر الضوئي النتيجة الصحيحة بنسبة 95.1% من الوقت.
2. MNIST (الأرقام المكتوبة بخط اليد): التعرف على الأرقام المكتوبة بخط اليد. حقق النظام نسبة نجاح بلغت 91.63%، وهي قريبة جدًا من أفضل الحواسيب الإلكترونية.

الخلاصة

لقد ابتكر الباحثون شريحة كمبيوتر صغيرة وسريعة وفعالة تعتمد على الضوء، ويمكنها بطبيعتها التعامل مع الأرقام الموجبة والسالبة دون الحاجة إلى معدات ضخمة إضافية. ومن خلال استخدام خدعة "اللونين" لتقسيم العمليات الحسابية، فقد مهدوا الطريق لأنظمة ذكاء اصطناعي مستقبلية تكون أسرع بكثير وأكثر كفاءة في استهلاك الطاقة من حواسيب اليوم، مع الحفاظ على صغر حجمها وقابليتها للتوسع.

ملخص تقني: حوسبة بصرية ذات إشارات أصلية قابلة للتوسع عبر تعدد الإرسال غير المترابط ثنائي الطول الموجي

بيان المشكلة
بينما توفر الشبكات العصبية الفوتونية غير المترابطة (PNNs) مزايا في المتانة والقابلية للتوسع مقارنة بالبنى المترابطة من خلال إلغاء متطلبات تثبيت الطور الصارمة، إلا أنها تواجه قيداً جوهرياً: الشدة الضوئية هي بطبيعتها غير سالبة. وبناءً على ذلك، فإن معظم أنظمة الضرب والجمع (MAC) غير المترابطة الحالية تقتصر على تمثيلات الإشارات غير السالبة. إن دعم المدخلات والأوزان ثنائية القطب (signed/bipolar)—وهو أمر ضروري للتحسين والتقارب الفعال في التعلم الآلي الحديث—تطلب سابقاً حلولاً مكلفة من حيث الأجهزة، مثل الترميز التفاضلي المنفصل مكانياً، أو تعدد الإرسال الزمني، أو دالات النقل غير الخطية المعقدة. وتتسبب هذه النهج عادةً في أعباء إضافية على الأجهزة تتناسب مع حجم النظام أو تتطلب دورات حوسبة إضافية، مما يحد من كثافة التكامل وقابلية التوسع لعمليات الموتور (tensor) واسعة النطاق.

المنهجية
يقترح المؤلفون بنية حوسبة غير مترابطة ثنائية الطول الموجي قابلة للتوسع، تم تنفيذها على منصة نيوبات الليثيوم ذات الغشاء الرقيق (TFLN). الابتكار الجوهري هو مخطط حوسبة إشارة أصلي يستخدم حاملين ضوئيين منفصلين طيفياً ( $\lambda_1$ و $\lambda_2$ ) لترميز مكونات الإشارة المتكاملة.

آلية الترميز: يتم تفكيك المدخل ثنائي القطب $X_i \in [-1, 1]$ إلى مكونين غير سالبين، $x_i^+$ و $x_i^-$ ، بحيث يكون $X_i = x_i^+ - x_i^-$ . ويتم ترميز هذين المكونين عبر أطوال موجية متميزة باستخدام معدلات كهرضوئية عالية السرعة.
حوسبة المسار المشترك: يتم توجيه قناتي الطول الموجي عبر مسار فيزيائي مشترك يحتوي على مقياس تداخل ماخ-زيندر (MZI) غير متوازن يعمل كمضاعف للأطوال الموجية. هذا يوجه كلا الطولين الموجيين إلى وحدة وزن مشتركة (MZI آخر غير متوازن).
التوزين المتكامل: تم تصميم MZI الخاص بالتوزين بحيث تُظهر أوزان الإرسال للطولين الموجيين، $w_i^+$ و $w_i^-$ ، استجابة متكاملة ( $w_i^+ + w_i^- = 1$ ).
الكشف التفاضلي: من خلال أخذ الفرق بين شدة الضوء عند منافذ المخرج المتكاملة لـ MMI الخاص بالتوزين، يقوم النظام بحساب $(w_i^+ - w_i^-)(x_i^+ - x_i^-) = W_i X_i$ . وهذا يحقق عملية ضرب رباعية الأرباع ضوئية حقيقية ضمن إطار عمل حوسبة الشدة غير المترابطة.
المعايرة: يستخدم النظام إجراء معايرة لتحديد الأطوال الموجية المتكاملة ( $\lambda_1 = 1550$ نانومتر و $\lambda_2 = 1548.4$ نانومتر) ويستخدم تعديلاً بموجة مثلثية منخفضة التردد لموازنة شدد الإرسال، مما يقلل من أخطاء الإزاحة أثناء الكشف التفاضلي.

المساهمات الرئيسية

بنية إشارة أصلية: يوضح هذا العمل طريقة لدعم كل من المدخلات الموقعة والأوزان الموقعة بشكل أصلي دون تكرار وحدات التوزين أو الحاجة إلى تثبيت طور مترابط.
أعباء أجهزة ثابتة: على عكس الطرق السابقة حيث تزداد تعقيدات الأجهزة مع حجم المصفوفة، تضمن استراتيجية تعدد الإرسال الطيفي هذه بقاء الأعباء الإضافية للأجهزة اللازمة للحوسبة الموقعة ثابتة لكل عملية ضرب وجمع، بغض النظر عن أبعاد النظام.
التنفيذ على منصة TFLN: تم تنفيذ البنية على منصة TFLN باستخدام النقش الكيميائي الميكانيكي بمساعدة التصوير الضوئي (PLACE)، مما حقق فقد انتشار منخفض (0.03 ديسيبل/سم) وتجانساً عالياً في التصنيع.

النتائج التجريبية

أداء الجهاز: أظهرت المعدلات المصنعة عرض نطاق ترددي كهرضوئي (3-dB) يتجاوز 40 جيجاهرتز مع قيمة $V_\pi \cdot L$ تبلغ 2.25 فولت·سم. حقق MMI الخاص بالتوزين نسب إخماد تتجاوز 30 ديسيبل وأظهر سلوك التعديل المتكامل المطلوب بين قناتي الطول الموجي.
دقة الضرب: تم اختبار الضرب رباعي الأرباع الديناميكي بمدخلات وأوزان عشوائية ثنائية القطب. حقق النظام خطأ انحراف معياري قدره 1.27% في مخرج الضرب، مع عدم ملاحظة تراكم كبير للخطأ عبر النطاق الكامل لجميع الأرباع الأربعة.
التحقق من مستوى النظام:
- مجموعة بيانات Moons: حقق النظام الفوتوني دقة تصنيف بلغت 95.1% على مجموعة بيانات "Moons" غير الخطية، وهو ما يطابق بدقة دقة 95.4% للنموذج الإلكتروني المثالي.
- مجموعة بيانات MNIST: بالنسبة للتعرف على الأرقام المكتوبة بخط اليد، حقق النظام دقة 91.63%، مقترباً من دقة 92.81% للنموذج الإلكتروني المثالي.
- ديناميكيات التدريب: أكدت المحاكاة العددية والبيانات التجريبية أن المدخلات ثنائية القطب (متمركزة حول الصفر) تحسن بشكل كبير من تقارب التدريب والدقة النهائية مقارنة بالقيود غير السالبة.

الأهمية والادعاءات
يرسي البحث مساراً عملياً نحو أنظمة حوسبة فوتونية غير مترابطة قابلة للتوسع قادرة على المعالجة ثنائية القطب الأصلية. ومن خلال إلغاء الحاجة إلى مسارات أجهزة مكررة أو ترميز زمني معقد للعمليات الموقعة، تعالج البنية المقترحة عائقاً حرجاً في قابلية توسع الشبكات العصبية الضوئية. يزعم المؤلفون أن هذا النهج، جنباً إلى جنب مع عرض النطاق الترددي الفائق لمنصة TFLN، يوفر أساساً عتادياً مدمجاً ومتيناً للشبكات العصبية الفوتونية واسعة النطاق في المستقبل. ويشير العمل إلى أن استراتيجية الترميز الطيفي هذه تسمح بمزيد من التوسع من خلال تعدد الإرسال الهجين (الطيفي والمكاني) دون تغيير بنية النظام بشكل جوهري أو زيادة تكلفة الأجهزة لكل قناة للحوسبة الموقعة.

الحل الجديد: خدعة اللونين

لماذا يعد هذا أمرًا بالغ الأهمية؟

الخلاصة

أبحاث مشابهة