Uma equipe de cientistas da Faculdade de Engenharia e Ciências Aplicadas da Universidade da Pensilvânia desenvolveu um novo chip que utiliza ondas de luz em vez de eletricidade para realizar operações matemáticas complexas. Um chip fotônico de silício pode ser produzido em hardware moderno e usado, por exemplo, como coprocessador para uma GPU em tarefas relacionadas ao aprendizado de máquina.
Fonte da imagem: geração AI Kandinsky 3.0/3DNews
Os cientistas criaram e testaram o chip usando operações de multiplicação de matrizes vetoriais para matrizes 2 × 2 e 3 × 3. Eles também demonstraram operar em uma matriz 10 × 10. Esses exemplos demonstraram que os métodos propostos têm o potencial de criar em grande escala plataformas de computação analógica baseadas em ondas de luz, que os cientistas descreveram em um artigo na revista Nature Photonics.
O trabalho é baseado em uma prova de conceito para fabricação de guias de onda e lentes amorfas diretamente em um wafer de silício usando processos padrão de gravação e processamento de wafer. Os métodos tradicionais de fabricação de metaestruturas sofrem de limitações como baixa largura de banda e alta sensibilidade a erros de fabricação. Em particular, isto limita a escalabilidade de tais arquiteturas.
Em vez de usar um wafer de silício da mesma altura, explicam os desenvolvedores, “você torna o silício mais fino em, digamos, 150 nanômetros”, mas apenas em certas áreas. Essas alterações de altura, sem adição de quaisquer outros materiais, proporcionam um meio de controlar a propagação da luz através do chip, uma vez que as alterações de altura podem ser distribuídas de forma que a luz se espalhe de uma forma específica, permitindo que o chip realize cálculos matemáticos na velocidade de luz.
Simplificando, os guias de ondas são gravados em silício e é criado um sistema de lentes que garantirá a passagem de um sinal de luz por um labirinto de guias de ondas com um algoritmo estritamente definido e, dependendo dos sinais de entrada, será obtido um determinado resultado. Uma GPU convencional pode ser adaptada com tal coprocessador para livrá-la de operações de multiplicação de matrizes vetoriais que consomem energia e, assim, acelerar os cálculos para tarefas de inteligência artificial e aprendizado de máquina.