Конец плавящимся дата-центрам: ИИ заставили считать на фотонах и навсегда отменили проблему перегрева серверов

Искусственный интеллект всё сильнее упирается не только в качество моделей, но и в цену вычислений. Чем крупнее нейросеть, тем больше нужно серверов, электричества и охлаждения. Но недавно исследователи из Сиднейского университета предложили другой подход: они создали прототип нанофотонного чипа, который выполняет вычисления не с помощью электрических сигналов, а с помощью света.

Вместо электронов такой чип использует фотоны. Для вычислительной техники разница принципиальная. Обычный процессор гонит заряженные частицы по проводникам, а любое движение тока сопровождается сопротивлением и нагревом. Отсюда и вечная проблема дата-центров: вместе с вычислительной мощностью растут затраты на питание и охлаждение. В новой схеме расчёты происходят иначе. Свет проходит через крошечные структуры внутри чипа, и сами эти структуры по ходу движения фотонов выполняют нужные операции.

Прототип разработали в Sydney Nano Hub. Авторы рассматривают такую архитектуру как попытку заново переосмыслить аппаратную основу для систем искусственного интеллекта. Сейчас почти вся ИИ-инфраструктура строится вокруг кремниевых электронных чипов, но такой путь становится всё тяжелее масштабировать: каждая новая стойка с ускорителями увеличивает нагрузку на электросети и требует всё более мощного отвода тепла.

Нанофотонный чип устроен по другой логике. Вместо того чтобы передавать электрические сигналы по цепям, он направляет свет через наноструктуры шириной всего в десятки микрометров, то есть примерно с толщину человеческого волоса. По сути, вычисление в такой системе не отделено от физической конструкции устройства. Пока свет проходит через эту миниатюрную сеть, геометрия материала сама задаёт преобразование сигнала.

Именно здесь находится главное отличие от привычных нейросетей. Обычно модель существует как программный код и работает на процессоре или ускорителе, который последовательно исполняет математические операции. В сиднейском прототипе часть такой логики перенесли прямо в железо. Расположение наноструктур играет роль искусственных нейронов, а сам чип построен как физическая нейронная сеть. Распознавание образов и классификация данных происходят не после передачи сигнала на отдельный вычислительный блок, а прямо во время прохождения света через устройство.

За счёт такой схемы расчёты идут очень быстро. Авторы сообщают, что операции занимают пикосекунды, то есть триллионные доли секунды. Важно и другое: свет не сталкивается с электрическим сопротивлением так, как электроны в проводниках. Поэтому система выделяет меньше тепла и теоретически может потреблять меньше энергии, чем обычные электронные чипы при сопоставимых задачах.

Для проверки прототипа команда обучила систему классифицировать более 10 тысяч биомедицинских изображений. В набор вошли МРТ-снимки груди, грудной клетки и брюшной полости. Медицинские изображения хорошо подходят для тестов на распознавание, потому что требуют аккуратной работы с визуальными паттернами и мелкими различиями между классами.

И расчёты, и лабораторные испытания дали близкий результат. Фотонная нейросеть показала точность от 90 до 99 процентов. Для экспериментального устройства важен не только сам диапазон точности, но и то, что модель вообще удалось встроить в нанофотонную структуру и заставить решать практическую задачу, а не просто демонстрировать отдельный физический эффект.

Интерес к такому подходу понятен на фоне нынешнего роста ИИ-инфраструктуры. По всему миру компании и государства строят новые центры обработки данных под крупные модели. Если часть задач удастся перенести на фотонные ускорители, нагрузка на инфраструктуру можно будет заметно снизить, особенно там, где важны скорость и энергоэффективность.

При этом работа не обещает мгновенной замены традиционных процессоров. Речь пока идёт о прототипе и о сравнительно узком классе задач. Команда уже больше десяти лет занимается применением фотоники в вычислениях и сенсорных системах, а следующим этапом называет расширение архитектуры до более крупных фотонных нейросетей, способных работать с более сложными наборами данных.

Именно масштабирование станет главным испытанием для всей идеи. Одно дело - показать, что компактный нанофотонный чип может быстро и точно классифицировать изображения. Другое - довести такую схему до уровня, где она начнёт уверенно конкурировать с электронными ускорителями в реальных ИИ-нагрузках. Если этот этап окажется успешным, фотонные чипы смогут занять свою нишу рядом с обычными процессорами, а в некоторых сценариях, возможно, и заменить их.