Onderzoekers van MIT hebben een fotonische processor ontwikkeld die kunstmatige intelligentie razendsnel en energiezuinig kan uitvoeren. De chip maakt gebruik van licht in plaats van elektriciteit voor de belangrijkste berekeningen in een neuraal netwerk, wat zorgt voor indrukwekkende prestaties.
Neurale netwerken, het fundament van moderne machine learning, worden steeds groter en ingewikkelder. Dit stelt zware eisen aan elektronische hardware, die vaak moeite heeft om deze modellen snel en efficiënt te verwerken. Fotonische hardware, die gebruikmaakt van lichtbundels in plaats van elektrische signalen, biedt een veelbelovend alternatief vanwege de hogere snelheid en lagere energieconsumptie.
Het concept is niet nieuw, maar de praktische uitwerking is niet eenvoudig. Een belangrijk obstakel voor fotonische systemen was het uitvoeren van bepaalde bewerkingen zoals activatiefuncties. Dat zijn wiskundige methoden die een neuraal netwerk in staat stellen complexe patronen te herkennen. Voorheen moesten deze bewerkingen buiten de chip worden uitgevoerd met elektronische componenten, wat de snelheid en efficiëntie verminderde.
Een volledig geïntegreerd systeem
De nieuwe fotonische chip van MIT lost dit probleem op door alle berekeningen — zowel lineaire (berekeningen waarbij de output direct afhankelijk is van de input) als niet-lineaire (berekeningen waarbij de relatie tussen input en output niet rechtlijnig is)— volledig optisch uit te voeren. Dit wordt bereikt met een combinatie van programmeerbare apparaten die lichtbundels kunnen ‘splitsen’ en speciale modules genaamd nonlinear optical function units (NOFU’s). Deze modules voeren niet-lineaire bewerkingen direct op de chip uit, waarbij een klein deel van het licht wordt omgezet in elektrische signalen zonder de noodzaak van externe versterkers.
Dankzij deze aanpak verwerken de chips gegevens zonder dat de optische signalen eerst naar elektrische signalen moeten worden omgezet. Dit bespaart tijd en energie, wat de weg vrijmaakt voor veelbelovende toepassingen. Het maakt het bijvoorbeeld mogelijk om neurale netwerken direct op de chip te trainen, een proces dat normaal gesproken enorme hoeveelheden energie vergt. Dat gebeurt in een hoog tempo. Tijdens tests voltooide de chip een classificatietaak, waarbij gegevens worden ingedeeld in categorieën, in minder dan een halve nanoseconde (een miljardste van een seconde), met een nauwkeurigheid van meer dan 92 procent. Dit niveau is vergelijkbaar met traditionele hardware, maar met aanzienlijk lagere energie-eisen.
Toekomstige toepassingen
Deze technologie kan een grote impact hebben op gebieden waar zowel snelheid als energie-efficiëntie belangrijk zijn. Toepassingen variëren van navigatiesystemen en telecommunicatie tot wetenschappelijk onderzoek in astronomie en deeltjesfysica. Daarnaast kan de chip worden ingezet voor real-time leren, wat nuttig is in situaties waarin systemen zichzelf snel moeten aanpassen, zoals bij autonome voertuigen. Een bijkomend voordeel is dat de chip kan worden geproduceerd met bestaande technieken die ook worden gebruikt voor traditionele computerchips. Dit maakt grootschalige productie mogelijk en vergroot de kans op integratie in commerciële producten.
De volgende stap
Volgens de onderzoekers is dit onderzoek nog maar het begin. In de toekomst willen ze de chip integreren met alledaagse elektronica, zoals camera’s of telefoons. Daarnaast willen ze algoritmen ontwikkelen die optimaal gebruikmaken van de voordelen van optische processen om AI nog beter te maken. Het einddoel is om chips te produceren die kunstmatige intelligentie sneller en duurzamer maken.
Het trainen van kunstmatige intelligentie is niet alleen een technologische uitdaging, maar ook een milieuprobleem. AI verbruikt grote hoeveelheden elektriciteit en heeft daarmee een steeds groter wordende CO2-voetafdruk. Datacentra, waar de berekeningen van AI-modellen plaatsvinden, gebruiken vandaag de dag al zo’n drie procent van alle elektriciteit wereldwijd. De ontwikkeling van energiezuinige technologieën, zoals de fotonische processor van MIT, is daarom essentieel, zeker naarmate steeds meer bedrijven AI integreren in hun producten.
