🔬 optics

Arbitrary control over multimode wave propagation for machine learning

Dieses Paper präsentiert einen zweidimensionalen programmierbaren Wellenleiter mit etwa $10^4$ räumlichen Freiheitsgraden, der eine beliebige Kontrolle über die Multimode-Wellenfortpflanzung ermöglicht, um eine Single-Pass-Inferenz neuronaler Netze durchzuführen, während er gleichzeitig signifikante Verbesserungen bei der Geräteflächeneffizienz und Skalierbarkeit im Vergleich zu traditionellen Architekturen aus diskreten Komponenten bietet.

Ursprüngliche Autoren: Tatsuhiro Onodera, Martin M. Stein, Benjamin A. Ash, Mandar M. Sohoni, Melissa Bosch, Ryotatsu Yanagimoto, Marc Jankowski, Timothy P. McKenna, Tianyu Wang, Gennady Shvets, Maxim R. Shcherbakov, Logan

Veröffentlicht 2026-06-15

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Tatsuhiro Onodera, Martin M. Stein, Benjamin A. Ash, Mandar M. Sohoni, Melissa Bosch, Ryotatsu Yanagimoto, Marc Jankowski, Timothy P. McKenna, Tianyu Wang, Gennady Shvets, Maxim R. Shcherbakov, Logan G. Wright, Peter L. McMahon

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie versuchen, ein komplexes Rätsel zu lösen, wie etwa das Erkennen einer handgeschriebenen Zahl oder das Identifizieren eines gesprochenen Vokals. Normalerweise lösen Computer dies, indem sie Daten durch eine lange Reihe winziger, separater Zahnräder und Hebel (diskrete Komponenten) leiten. Jedes Zahnrad erledigt eine kleine Aufgabe, und die Daten müssen von einem zum nächsten reisen. Dies nimmt viel Platz ein und verbraucht viel Energie, besonders wenn die Rätsel größer werden.

Die Forscher in dieser Arbeit haben eine völlig andere Art von Maschine gebaut. Anstatt eine Reihe separater Zahnräder zu verwenden, haben sie ein einziges, riesiges, programmierbares „Glasblatt“ (einen Wellenleiter) erschaffen, das wie eine intelligente, formverändernde Linse wirkt.

So funktioniert ihre Erfindung, unterteilt in einfache Konzepte:

1. Das „Intelligente Blatt“ vs. der „Zahnradzug“

Denken Sie an herkömmliche Computerchips als einen Zug aus separaten Waggons. Um von Punkt A nach Punkt B zu gelangen, muss die Fracht (die Daten) von Waggon zu Waggon springen. Das ist sperrig und langsam.

Dieses neue Gerät ist wie ein einziger, massiver Trampolin. Anstatt zwischen Waggons zu springen, werfen Sie einen Ball (einen Lichtstrahl) auf das Trampolin. Durch die Veränderung der Spannung und der Form der Trampolin-Oberfläche können Sie den Ball in jedem beliebigen spezifischen Muster springen lassen. Die gesamte Oberfläche arbeitet gleichzeitig zusammen, um den Ball zu seinem Ziel zu führen.

2. Wie „formen“ Sie das Glas?

Man kann dieses Glas nicht einfach wie eine Statue schnitzen; wenn es einmal geschnitzt ist, ist es fest. Die Forscher mussten einen Weg finden, die Form des Glases „on the fly“ zu ändern.

Sie verwendeten einen klugen Trick unter Einsatz von Licht und Elektrizität:

Der Aufbau: Sie haben ein spezielles Glasblatt (Lithiumniobat), das zwischen Elektroden eingebettet ist.
Die Steuerung: Sie strahlen von oben ein Muster aus grünem Licht auf das Blatt, wie ein Projektor, der ein Bild zeigt.
Die Magie: Überall dort, wo das grüne Licht auf das Blatt trifft, wird das Blatt etwas leitfähiger (wie ein Draht). Dies verändert das elektrische Feld innerhalb des Glases. Aufgrund einer speziellen Eigenschaft dieses Glases verändert die Änderung des elektrischen Feldes dessen Brechungsindex (wie stark es Licht biegt).
Das Ergebnis: Das projizierte grüne Lichtmuster „bildet“ die unsichtbare Landschaft im Inneren des Glases sofort. Wenn Sie ein „Y“-Muster projizieren, wird das Glas zu einem Y-förmigen Pfad für das Licht. Wenn Sie einen komplexen Irrgarten projizieren, wird das Glas zu einem komplexen Irrgarten.

Sie können dieses „Formgebungsmuster“ etwa 3 Mal pro Sekunde ändern, was es ermöglicht, die Maschine sofort umzuprogrammieren.

3. Rechnen mit Licht

Das Ziel der Maschine ist es, Maschinelles Lernen (das Trainieren eines Computers zur Erkennung von Mustern) durchzuführen.

Input: Sie nehmen Daten (wie die Form einer handgeschriebenen „7“) und wandeln sie in ein Muster von Lichtstrahlen um, die in das Blatt eintreten.
Verarbeitung: Während das Licht durch das Blatt reist, prallt es von der „geformten“ Landschaft ab, die sie geschaffen haben. Die Lichtwellen interferieren miteinander und vermischen sich auf komplexe Weise. Dieses Vermischen ist die mathematische Berechnung.
Output: Das Licht tritt auf der anderen Seite aus. Wir messen, wie hell das Licht an verschiedenen Stellen ist. Der hellste Punkt verrät die Antwort (z. B. „Das war eine 7!“).

Sie haben dies bei zwei Aufgaben getestet:

Vokale: Identifizierung des gesprochenen Vokals basierend auf Schallfrequenzen. Sie hatten eine Erfolgsquote von 96 %.
Handgeschriebene Ziffern (MNIST): Erkennung von Zahlen von 0 bis 9. Sie erreichten eine Genauigkeit von 86 %.

4. Warum ist das eine große Sache? (Die „Quadratwurzel“-Überraschung)

Normalerweise, wenn man einen Computer bauen möchte, der immer größere Rätsel bewältigen kann (mehr Daten), muss man die Maschine auch viel, viel größer machen. Wenn man die Komplexität verdoppelt, benötigt man normalerweise das Vierfache an Platz (eine quadratische Beziehung).

Die Forscher entdeckten etwas Überraschendes mit ihrem „Smart Sheet“. Da sie das gesamte Blatt gleichzeitig nutzen (Multimode-Interferenz) anstatt einer Reihe von Zahnrädern, muss die Größe der Maschine nur um die Quadratwurzel der Komplexität wachsen.

Analogie: Wenn Sie eine Brücke für 100 Autos bauen wollen, benötigt ein traditionelles Design vielleicht 100 Einheiten Länge. Ihr Design deutet darauf hin, dass Sie vielleicht nur eine Brücke von 10 Einheiten Länge benötigen (da die Quadratwurzel von 100 gleich 10 ist), um dieselbe Aufgabe zu erfüllen.

Dies bedeutet, dass ihre Maschine potenziell viel kleiner und energieeffizienter als aktuelle optische Computer sein könnte, insbesondere für sehr große Aufgaben.

Zusammenfassung

Das Team hat einen reprogrammierbaren optischen Prozessor gebaut, der ein einzelnes Glasblatt verwendet, um komplexe Mathematik durchzuführen. Anstatt Tausende von winzigen, separaten Teilen zu verwenden, nutzen sie einen Projektor, um das mathematische Problem direkt auf das Glas zu „zeichnen“ – mithilfe von Licht. Das Licht löst dann das Problem, während es durch das Glas wandert. Sie haben bewiesen, dass dies bei der Erkennung von Tönen und Zahlen funktioniert, und ihre Mathematik legt nahe, dass dieser Ansatz in Zukunft zu viel kleineren, schnelleren und energieeffizienteren Computern führen könnte.

Technisches Resümee: Arbiträre Kontrolle der Multimode-Wellenpropagation für Maschinelles Lernen

Problemstellung

Tiefe neuronale Netze (DNNs) sind zunehmend durch die mit ihrem exponentiellen Größenwachstum verbundenen Energiekosten eingeschränkt, insbesondere durch die Matrix-Vektor-Multiplikationen (MVMs), die ihre Rechenlast dominieren. Während optische neuronale Netze (ONNs) eine vielversprechende Alternative für energieeffiziente MVMs bieten, stehen aktuelle integrierte photonische Ansätze vor erheblichen Skalierbarkeitslimits. Das vorherrschende Paradigma stützt sich auf Netzwerke aus diskreten programmierbaren Komponenten (z. B. Mach-Zehnder-Interferometern, Mikroring-Resonatoren), die durch Single-Mode-Wellenleiter verbunden sind. Diese Architektur leidet unter zwei primären Engpässen:

Routing-Komplexität: Die Integration der $O(N^2)$ elektronischen Steuerleitungen, die für $N \times N$ Matrizen erforderlich sind, durch den Chip-Perimeter begrenzt die Anzahl der steuerbaren Freiheitsgrade auf wenige hundert.
Räumliche Ineffizienz: Einzelne optische Komponenten sind aufgrund von Wellenlängenbeschränkungen und schwacher Programmierbarkeit sperrig, zudem wird erhebliche Chipfläche durch Interkonnektionsbereiche beansprucht.

Folglich unterstützen bestehende Chips Vektorgrößen ( $N$ ), die weit unter dem Schwellenwert ( $N \gtrsim 1000$ ) liegen, der erforderlich ist, damit Optik einen klaren Energieeffizienzvorteil gegenüber der Elektronik demonstriert. Die zentrale Herausforderung, die diese Arbeit adressiert, besteht darin, wie man einen photonischen Chip mit einer programmierbaren Brechungsindexverteilung $n(x, z)$ erstellt, die die Integrationskomplexität elektronischer Verkabelung vermeidet und gleichzeitig eine arbiträre Kontrolle über die Wellenpropagation ermöglicht.

Methodik

Die Autoren führen und demonstrieren einen 2D-programmierbaren Wellenleiter, ein Bauteil, das den gesamten Chip als kontinuierelles, umprogrammierbares Substrat behandelt, anstatt als eine Sammlung diskreter Elemente.

Gerätearchitektur und Funktionsprinzip

Das Gerät besteht aus einem Lithiumniobat (LiNbO $_3$ )-Schichtwellenleiter, der zwischen einem leitfähigen Siliziumsubstrat (als Erdungselektrode) und einer Goldelektrode eingebettet ist. Eine photoconduktive Schicht (siliziumreiches Siliziumnitrid) ist oben auf den Wellenleiter aufgebracht.

Modulation des Brechungsindex: Das Gerät nutzt den photokonduktiven Gewinn, um eine räumlich variierende Änderung des Brechungsindex, $\Delta n(x, z)$ , zu induzieren. Eine oszillierende Vorspannung (bis zu 1000 V) wird über die Elektroden angelegt. Wenn ein gemustertes Lichtprojektionsmuster den Photoleiter beleuchtet, sinkt dessen Impedanz lokal, wodurch das elektrische Feld innerhalb des darunter liegenden LiNbO $_3$ -Wellenleiters steigt.
Elektro-optischer Effekt: Das erhöhte elektrische Feld induziert eine lokale Änderung des Brechungsindex über den Pockels-Effekt im Lithiumniobat.
Programmierbarkeit: Durch die Projektion beliebiger Lichtmuster auf das Gerät können die Autoren die Brechungsindexverteilung über etwa $10^4$ räumliche Freiheitsgrade (eine Fläche von $9 \text{ mm} \times 1 \text{ mm}$ mit $9 \mu\text{m} \times 9 \mu\text{m}$ Auflösung) gestalten. Das System aktualisiert die gesamte Verteilung mit einer Rate von 3 Hz.

Training und Implementierung von Maschinellem Lernen

Um Aufgaben des maschinellen Lernens auszuführen, wird das Gerät darauf trainiert, Eingangsoptikfelder auf Ausgangsintensitätsverteilungen abzubilden, die Klassifizierungsbezeichnungen entsprechen.

Kodierung: Eingangsdatenvektoren werden in die Eingangsseite mittels Amplitudenkodierung in räumliche Gaußsche Moden überführt.
Propagation: Das Licht propagiert durch den programmierbaren Wellenleiter, gesteuert durch die paraxiale Wellengleichung (Gl. 1 in der Arbeit), wobei das Brechungsindexprofil als die trainierbaren Gewichte fungiert.
Auslesung: Die Ausgangsintensität wird gemessen und in räumliche Regionen eingeteilt, die den Klassenbezeichnungen entsprechen.
Trainingsalgorithmus: Die Autoren verwenden ein physikbewusstes Training, einen hybriden In-situ–In-silico-Backpropagation-Algorithmus. Der Vorwärtsgang wird physisch durch das Gerät durchgeführt, während der Rückwärtsgang (Gradientenberechnung) mithilfe eines differenzierbaren digitalen Modells der Wellenpropagation berechnet wird. Dieses Modell wurde mit datengesteuerten Parametern verfeinert, um experimentelle Nichtidealitäten zu berücksichtigen, was ein effizientes Training trotz der hohen Parameteranzahl ermöglicht.

Zentrale Beiträge

Demonstration eines 2D-programmierbaren Wellenleiters: Die Autoren haben erfolgreich ein Gerät mit $\sim 10.000$ programmierbaren räumlichen Freiheitsgraden gefertigt und betrieben, das durch parallele elektro-optische Modulation eine beliebige Gestaltung des Brechungsindex ermöglicht.
Hochdimensionale Inferenz neuronaler Netze: Das Gerät führte Inferenzaufgaben neuronaler Netze mit Eingangsvektoren von bis zu 49 Dimensionen (MNIST handgeschriebene Ziffern) und 12 Dimensionen (Vokal-Klassifizierung) in einem einzelnen Durchgang durch, ohne digitale Vor- oder Nachverarbeitung der linearen Transformation.
Skalierungsanalyse: Die Arbeit liefert theoretische und numerische Belege dafür, dass 2D-programmierbare Wellenleiter ein überlegenes Skalierungsgesetz für die Bauteillänge im Vergleich zu Architekturen mit diskreten Komponenten bieten. Während traditionelle Ansätze oft eine Skalierung der Bauteillänge als $N$ (oder Fläche als $N^2$ ) erfordern, argumentieren die Autoren, dass für Multimode-Interferenz die erforderliche Länge als $\sqrt{N}$ für eine gegebene Brechungsindex-Modulationsstärke skaliert.

Experimentelle Ergebnisse

Vokal-Klassifizierung: Das Gerät wurde trainiert, um 7 gesprochene Vokale aus einem 12-dimensionalen Eingangsvektor von Formantfrequenzen zu klassifizieren. Nach 300 Epochen (ca. 1 Stunde) erreichte das System eine Testgenauigkeit von 96 %. Das trainierte Brechungsindexprofil entwickelte sich von einem uniformen Zustand zu einem komplexen Muster, das invertierten designten photonischen Strukturen ähnelt.
MNIST-Klassifizierung handgeschriebener Ziffern: Das Gerät wurde trainiert, um herunterskalierte 7 $\times$ 7 MNIST-Bilder (49 Dimensionen) in 10 Klassen zu klassifizieren. Nach 10 Epochen (ca. 10 Stunden) erreichte das System eine Testgenauigkeit von 86 %. Dieses Ergebnis ist vergleichbar mit einem digitalen neuronalen Netz mit einer Ebene und einer $49 \times 10$ Matrix (welches 90 % auf derselben herunterskalierten Aufgabe erreicht), was zeigt, dass die komplexe Multimode-Wellenpropagation effektiv hochdimensionale lineare Transformationen durchführen kann.
Geräteleistung: Die maximale Brechungsindexmodulation lag bei etwa $\Delta n \approx 10^{-3}$ . Das Gerät wies einen geringen Ausbreitungsverlust auf (< 1 dB/cm) und arbeitete mit weniger als 1 mW elektrischer Verlustleistung über den aktiven Bereich.

Bedeutung und Behauptungen

Die Arbeit behauptet, dass dieser Beitrag ein bedeutender Schritt zur Überwindung der räumlichen und Skalierbarkeitslimits aktueller integrierter photonischer neuronaler Netze ist.

Raumeffizienz: Durch den Ersatz diskreter Komponenten durch ein kontinuierliches, programmierbares Substrat erreicht das Gerät eine raumeffizientere Architektur. Die Autoren merken an, dass ihr Prototyp Eingangsdimensionen unterstützt, die größer sind als bei jedem zuvor berichteten On-Chip-optischen neuronalen Netz auf Basis diskreter Komponenten.
Potenzial der Energieeffizienz: Die Arbeit hebt einen theoretischen Pfad zum „Break-even-Punkt“ auf, an dem optische MVMs gegenüber elektronischen in der Energieeffizienz überlegen sind (geschätzt bei $N \approx 1000$ ). Die demonstrierte $\sqrt{N}$ -Skalierung der Bauteillänge legt nahe, dass 2D-programmierbare Wellenleiter all-optische Matrix-Vektor-Multiplizierer mit Dimensionen über diesem Schwellenwert ermöglichen könnten, was hybride neuronale Netzwerkarchitekturen (analoge Optik für lineare Operationen, Elektronik für Nichtlinearitäten) energieeffizient konkurrenzfähig machen könnte.
Rekonfigurierbarkeit: Im Gegensatz zu invertiert designten Geräten, die nach der Fertigung fixiert sind, ist dieses Gerät vollständig rekonfigurierbar. Die Autoren schlagen vor, dass sich diese Fähigkeit über maschinelles Lernen hinaus auf die Lösung von Integralgleichungen, kombinatorischer Optimierung und als rekonfigurierbare Plattform zur Untersuchung von Zuständen im Kontinuum (Bound States in the Continuum) und topologischer Photonik erstrecken könnte.

Die Autoren bleiben hinsichtlich der aktuellen Einschränkungen bescheiden und räumen ein, dass der experimentelle Prototyp in einem Regime operierte, in dem das Licht in der transversalen Richtung effektiv ungeführt war, und dass die aktuellen $\Delta n$ - und Aktualisierungsraten durch Materialeigenschaften und das Design der photoconduktiven Schicht begrenzt sind. Sie postulieren jedoch, dass das demonstrierte Prinzip der arbiträren Multimode-Kontrolle neue Wege für das optische Computing eröffnet.