Исследователи из Массачусетского технологического института и университета Цинхуа представили оптический процессор, кардинально сокращающий требования к аппаратному обеспечению для ИИ. Разработанная система площадью 64 мкм2 (в тысячу раз меньше традиционных) решает ключевые проблемы энергопотребления и миниатюризации для современных задач машинного обучения.

В основе технологии лежит нанофотонная среда — кремниевая структура с наноотверстиями диаметром от 130 до 400 нанометров. Информация кодируется через фазовую модуляцию света, а вычисления выполняются при его рассеянии внутри материала. Особенность подхода — интеграция производственных ограничений непосредственно в процесс обучения алгоритма, что гарантирует соответствие проектируемой структуры техпроцессу с минимальным размером элемента 130 нм.

Экспериментальная проверка подтвердила эффективность решения. На одной из классических задач машинного обучения — задаче классификации цветков ириса со 150 образцами система достигла точности 86,7%, полностью соответствуя результатам моделирования. Для более сложного теста по распознаванию рукописных цифр (OCR) чип размером 44,8×44,8 мкм2 показал точность 92,8% на 1797 тестовых изображениях. При этом энергопотребление составило всего 1 мВт для оптического ввода и 56 мВт для управления фазовращателями, а задержка вычислений — 0,11 пикосекунды.

По сравнению с системами на интерферометрах Маха-Цендера, новый процессор демонстрирует трёхкратное превосходство в вычислительной плотности и десятикратное сокращение задержки. Устойчивость к производственным отклонениям до 50 нм обеспечена использованием материалов с низким контрастом преломления.

Технология открывает перспективы для развёртывания сложных ИИ-моделей в устройствах граничных вычислений — от носимой электроники до автономных датчиков. Для преодоления ограничений по нелинейности вычислений рассматриваются гибридные оптоэлектронные подходы.