Sintesi Tecnica: FieldCore – Calcolo Tensoriale Fotonico Completamente Multiplexing

Problematica

Le operazioni tensoriali, in particolare le moltiplicazioni di matrici e le convoluzioni, costituiscono l'ossatura computazionale dell'intelligenza artificiale moderna e dell'elaborazione di segnali ad alto throughput. Sebbene gli acceleratori elettronici si siano evoluti attraverso la replicazione di array di unità di elaborazione, essi affrontano colli di bottiglia crescenti legati ai costi di movimento dei dati attraverso le gerarchie di memoria e le interconnessioni. Il calcolo fotonico offre un'alternativa promettente sfruttando il parallelismo intrinseco dei campi ottici. Tuttavia, i processori fotonici esistenti sfruttano tipicamente solo dimensioni isolate (ad esempio, il multiplexing per divisione di lunghezza d'onda o l'elaborazione nel dominio del tempo) o dimensioni combinate solo parzialmente. Una sfida critica rimane: man mano che vengono coinvolte più dimensioni ottiche, le imperfezioni come la non-ortogonalità, la dispersione e le non-idealità di fabbricazione rompono l'uniformità del calcolo tra i canali. Di conseguenza, manca un framework generale in grado di sfruttare sistematicamente tutte le dimensioni di multiplexing native dei segnali ottici guidati (lunghezza d'onda, radiofrequenza, modo guidato, spazio e tempo) operando simultaneamente e preservando al contempo un calcolo ad alta fedeltà e uniforme su l'intero spazio del segnale.

Metodologia

Gli autori introducono FieldCore, un core tensoriale fotonico completamente multiplexing progettato per superare tali limitazioni, sfruttando congiuntamente cinque dimensioni: lunghezza d'onda, sottoportante a radiofrequenza (RF), modo guidato, spazio e tempo.

Architettura e Principio

FieldCore opera sul principio secondo cui un campo ottico guidato può essere espanso su molteplici dimensioni ortogonali per formare un tensore di ordine superiore. Il sistema mappa i dati di input su queste dimensioni, permettendo a un singolo chip fotonico di eseguire un parallelismo moltiplicativo.

• Rappresentazione del Segnale: Il campo ottico è rappresentato come una somma su frequenze di portante ottica ($\omega_\ell$), modi eigen vettoriali guidati ($\psi_m$) e offset di sottoportante RF ($\Omega_n$).
• Implementazione Hardware: Il core è implementato come un crossbar $K \times R$ su una piattaforma silicon-on-insulator (SOI). Integra blocchi costruttivi progettati tramite inversione (inverse-designed) per garantire compattezza, risposta a banda larga e tolleranza alla fabbricazione.
• Componenti Chiave:
  • Digital-Metamateriali Progettati per Inversione: Utilizzati per multiplexer/demultiplexer di modi (MUX/deMUX), splitter a 3-dB e incroci di guide d'onda. Consentono un'operazione a basso crosstalk, a banda larga e in un footprint di scala $\mu$m.
  • Spostatori di Fase Insensibili al Modo (MIPS): Progettati allargando le guide d'onda per eguagliare la risposta termo-ottica dei modi TE0 e TE1, garantendo l'invarianza del peso attraverso la dimensione del modo.
  • Routing e Pesatura Programmabili: Accoppiatori sintonizzabili (interferometri Mach-Zehnder a doppia porta) e moltiplicatori (attenuatori MZI a porta singola) distribuiscono i segnali e applicano pesi analogici.
  • Accumulazione: Gli addizionatori sintonizzabili eseguono la sommatoria pesata attraverso i canali spaziali di input.

Flusso Operativo

1. Input: I flussi temporali vengono up-convertiti in sottoportanti RF, modulati su lunghezze d'onda specifiche e mappati su modi guidati tramite un MUX on-chip.
2. Elaborazione: I segnali vengono instradati attraverso il crossbar dove subiscono un'accumulazione pesata in parallelo. La stessa matrice di pesi viene applicata uniformemente attraverso tutti i slice multiplexed (RF, lunghezza d'onda, modo, tempo).
3. Output: Il multiplexing viene invertito nei domini ottico ed elettrico per recuperare i parallel slice tensoriali.

Contributi Chiave

1. Core Tensoriale Multi-Dimensionale Unificato: FieldCore è il primo core tensoriale fotonico integrato che unifica lunghezza d'onda, sottoportante RF, modo guidato, spazio e tempo all'interno di un unico framework, convertendo le dimensioni parallele native in un parallelismo tensoriale a livello moltiplicativo.
2. Calcolo Uniforme tra le Dimensioni: Il design raggiunge un calcolo ad alta fedeltà attraverso tutte le dimensioni. Ciò è validato da:
   • Invarianza del Modo: Utilizzo di MIPS per mantenere un pesatura coerente per i modi TE0 e TE1.
   • Piattezza a Banda Larga: Garantire risposte spettralmente piatte per le dimensioni di lunghezza d'onda e RF.
3. Componenti Fotonici Progettati per Inversione: L'uso di componenti digital-metamateriali progettati per inversione consente un'operazione multimodo compatta, a banda larga (>40 nm) e a basso crosstalk (< -20 dB), essenziale per mantenere la coerenza del canale.
4. Architettura Scalabile: Il sistema supporta fino a 1.800 stream di input paralleli all'interno di un singolo core, stabilendo un paradigma scalabile per il calcolo tensoriale fotonico.

Risultati Sperimentali

Gli autori hanno fabbricato un chip FieldCore $4 \times 4$ (2.55 $\times$ 2.58 mm$^2$) e ne hanno validato le prestazioni attraverso la verifica aritmetica e compiti di inferenza complessi.

Verifica Aritmetica

• Velocità e Precisione: Il sistema ha dimostrato operazioni di moltiplica-accumula (MAC) con una precisione superiore a 5 bit a tassi di simbolo fino a 120 GBaud sia per i modi TE0 che TE1.
• Stabilità della Lunghezza d'Onda: Le variazioni di precisione attraverso la banda C (1530–1565 nm) erano inferiori a 0.7 bit rispetto al riferimento a 1550 nm.
• Scalabilità RF: Il sistema ha supportato fino a 100 sottoportanti RF su una singola portante ottica con un baudrate aggregato di 50 GBaud, mantenendo una precisione di addizione di circa 5 bit.

Dimostrazioni a Livello di Task

• Convoluzione di Immagini:
  • Scala di Grigi: Ha eseguito l'estrazione di bordi direzionali su un'immagine 150 $\times$ 150 utilizzando quattro kernel 2 $\times$ 2, raggiungendo un rapporto segnale-rumore di picco (PSNR) di 30.5 dB a 10 GBaud e 23.4 dB a 70 GBaud.
  • RGB: Ha trasmesso e convoluto con successo immagini RGB utilizzando FDM, preservando i dettagli strutturali attraverso i canali e i modi.
• Riconoscimento di Cifre Scritte a Mano MNIST:
  • Ha utilizzato il multiplexing congiunto di lunghezza d'onda, modo e RF (200 lane di dati parallele) per elaborare cifre scritte a mano.
  • Ha raggiunto un'accuratezza media del 93.8% attraverso tutti i canali multiplexed, rispetto a un baseline digitale del 95.0%.

Applicazioni ad Alta Dimensionalità e Paralleli

• Classificazione Iperspettrale in Parallelo tra Canali: Ha mappato 200 bande spettrali del dataset Indian Pines su 200 canali paralleli. Il sistema ha raggiunto un'accuratezza di classificazione complessiva del 90.8% su 12 classi di copertura del suolo, corrispondente a una precisione analogica equivalente di 5.16 bit.
• Diagnosi di Guasti Meccanici in Parallelo tra Istanze: Ha elaborato 200 istanze simultanee di segnali di vibrazione dal dataset CWRU bearing. Il sistema ha raggiunto un'accuratezza complessiva del 95.1% su sette condizioni operative (normale e sei tipi di guasto), con prestazioni robuste per canale.

Significato e Rivendicazioni

Il paper afferma che FieldCore stabilisce una via scalabile verso il calcolo tensoriale fotonico ad alto throughput e massivamente parallelo su chip. Utilizzando tutte le dimensioni di multiplexing native dei segnali ottici guidati, FieldCore affronta i limiti degli attuali sistemi elettronici e fotonici parzialmente multiplexed.

• Throughput: Gli autori stimano un throughput computazionale aggregato di 69.12 Tera Operazioni Al Secondo (TOPS) in un regime di massimizzazione del throughput.
• Parallelismo: L'architettura può ospitare fino a 1.800 stream di input paralleli all'interno di un singolo core, un livello di parallelismo nativo difficile da raggiungere per i processori elettronici convenzionali che si affidano alla replicazione dei core o alla pianificazione sequenziata nel tempo.
• Generalizzabilità: Il lavoro fornisce un framework generale per il calcolo fotonico completamente multiplexing che può essere esteso ad altre architetture e sistemi di materiali, offrendo una via per superare i colli di bottiglia del movimento dei dati dei moderni carichi di lavoro AI.

Gli autori sottolineano che il sistema preserva un calcolo programmato uniforme attraverso tutti i canali multiplexed, un requisito critico per il calcolo tensoriale ad alta fedeltà che le precedenti dimostrazioni multidimensionali faticavano a mantenere.