Optyczne łącze AI z Cornell rzuca wyzwanie wąskiemu gardłu pamięci

IEEE Spectrum informuje, że badacze z Cornell Tech przesłali dane do pamięci układu za pomocą światła przy zużyciu 0,7 pikodżula na bit, omijając konwencjonalny etap odbiornika optycznego. Wartość ta pochodzi z 28-nanometrowego prototypu, a nie z gotowego komponentu robota. Mimo to eksperyment bezpośrednio mierzy się z kosztownym problemem: procesory AI wielokrotnie pobierają parametry modeli przez połączenia elektryczne z oddzielnej pamięci.

Badacz podoktorski Yifan He i profesor nadzwyczajny Jae-sun Seo zbudowali odbiornik wokół zmodyfikowanej statycznej pamięci o dostępie swobodnym, czyli SRAM. Każda światłoczuła komórka przekształca padające światło w prąd, który może zmienić zapisaną wartość binarną. Światło zapisuje więc dane w pamięci, zamiast stawać się sygnałem elektrycznym, który inny układ musi zdekodować i przesłać dalej.

Bezpośredni wynik jest skromny. Nadajnik laboratoryjny przesłał jeden statyczny wzór 14 na 14 bitów na odległość niemal jednego metra. Badacze potrzebują teraz zmiennego nadajnika, gęstszych komórek oraz dowodów, że system zachowuje niezawodność w otoczeniu poruszających się maszyn. Szersze wyzwanie jest jasne: elektryczne łącza pamięci są dojrzałe, szybkie i trudne do wyparcia, nawet gdy ich koszty energetyczne stale rosną.

Odbiornik optyczny IEEE Spectrum zapisuje dane bezpośrednio w SRAM

Odbiornik ma znaczenie, ponieważ łączy detekcję optyczną i programowanie pamięci w tej samej macierzy.

Zespół Cornell zaprezentował swój optycznie programowalny odbiornik SRAM podczas IEEE/JSAP Symposium on VLSI Technology and Circuits w czerwcu 2026 roku. Opublikowany abstrakt konferencyjny opisuje 28-nanometrowy układ z kalibracją przesunięć na chipie i zmierzonym zużyciem energii wynoszącym 0,7 pikodżula na bit.

Konwencjonalne połączenie optyczne dzieli odbiór na kilka operacji. Fotodioda najpierw przekształca światło w niewielki prąd elektryczny. Następnie elementy analogowe wzmacniają ten prąd, zanim układy cyfrowe odzyskają przesłane bity. Komponenty te zwiększają zużycie energii, powierzchnię układu i złożoność projektu po stronie odbiornika.

He i Seo zmienili tę sekwencję. Ich odbiornik umieszcza fotodiody wewnątrz zmodyfikowanych komórek SRAM. Padające światło wytwarza wystarczający fotoprąd, aby zmienić stan zapisany w każdej oświetlonej komórce. Dane docierają równolegle jako wzór przestrzenny, w którym każda jasna lub ciemna pozycja reprezentuje bit.

Wzór przypomina kod QR, ale to porównanie ma swoje ograniczenia. Aparat telefonu rejestruje cały obraz, zanim oprogramowanie zinterpretuje jego piksele. Macierz Cornell wykorzystuje każdą oświetloną pozycję do zmiany odpowiadającej jej komórki pamięci. Miejscem docelowym transferu jest jednocześnie detektor.

To rozróżnienie stanowi główną zaletę projektu. Parametry modeli AI to duże zbiory wartości liczbowych, które określają, jak model przekształca dane wejściowe w wyniki. Akcelerator wielokrotnie odczytuje te wartości podczas wykonywania inferencji. Przeniesienie parametrów bliżej procesora może zmniejszyć czas i energię potrzebne na ich pobieranie.

Prototyp przypisuje różne role dwóm znanym typom pamięci. Dynamiczna pamięć o dostępie swobodnym, czyli DRAM, przechowuje więcej danych na danej powierzchni, lecz wymaga okresowego odświeżania. SRAM zajmuje więcej miejsca, ale reaguje szybko i zwykle znajduje się blisko logiki przetwarzającej.

W proponowanym przez badaczy układzie DRAM pozostaje obok nadajnika optycznego. Odbiornik stanowi część lokalnej pamięci SRAM procesora. Wzór świetlny przenosi wybrane dane z większej pamięci i zapisuje je w pobliskiej macierzy.

Wyrównanie stanowi bezpośredni problem. Nadajnik i odbiornik na stanowisku laboratoryjnym mogą się przesunąć, przechylić lub znaleźć pod niedoskonałym kątem. Różne części wzoru optycznego mogą więc docierać do przypisanych im komórek w nieco innych momentach lub pozycjach.

Układ wykorzystuje ramkę referencyjną i obwody kalibracyjne do skorygowania tego przesunięcia. Porównuje oczekiwane położenia pikseli z odebranym wzorem przed przyjęciem właściwych danych. Seo powiedział IEEE Spectrum, że bezpośrednie ustawienie punkt-do-punktu jest idealne, choć kalibracja obsługuje nieznacznie przechylone łącze.

W demonstracji użyto czerwonego światła przechodzącego przez metalową maskę. Maska tworzyła stały obraz 14 na 14 bitów, co oznacza, że nadajnik mógł podczas demonstracji wyświetlać tylko jeden fizyczny wzór. Nie przesyłał strumieniowo zmieniających się parametrów modelu do działającego robota.

To ograniczenie wyznacza dystans między eksperymentem a nagłośnionym zastosowaniem. Użyteczny nadajnik musi zmieniać wzór przestrzenny miliony razy na sekundę. Badacze współpracują z grupami zajmującymi się optyką nad systemem, który ma osiągnąć transfery rzędu gigabitów na sekundę.

Raport o odbiorniku optycznym ostrożnie podchodzi do tej luki. Opisuje projekt, który mógłby ostatecznie aktualizować modele AI, a nie sprzęt gotowy do wdrożenia. Zmierzony odbiornik jest rzeczywisty, podczas gdy kompletny robotyczny łącznik pozostaje pracą na przyszłość.

Mimo to test potwierdza trzy użyteczne fakty. Światło dotarło do układu bezprzewodowo na odległość niemal jednego metra. Odbiornik przekształcił ten wzór w zapisane stany cyfrowe. Zrobił to bez standardowego analogowego układu wejściowego, który często zmniejsza przewagę energetyczną łącza optycznego.

Fakty te tworzą główne napięcie projektu. Odbiornik usuwa obwody ze ścieżki danych, ale osiąga to uproszczenie, czyniąc każdą uczestniczącą komórkę pamięci większą i światłoczułą. To, czy wynikowy system oszczędza energię w ujęciu całościowym, zależy od tego, co taki kompromis zapewni w większej skali.

Prawdziwym celem są koszty przemieszczania danych w AI

Projekt Cornell dotyczy mniej szybszego światła, a bardziej unikania powtarzanych konwersji podczas przenoszenia wag modelu do procesora.

Akceleratory AI wykonują równolegle wiele operacji arytmetycznych, lecz obliczenia są tylko jedną częścią ich obciążenia. Potrzebują również stałego dopływu parametrów modelu i wartości pośrednich. Gdy wartości te znajdują się poza procesorem, każdy transfer zużywa czas i energię.

Problem ten często nazywa się ścianą pamięci. Przepustowość procesorów rosła szybciej niż zdolność dostarczania danych z pamięci zewnętrznej. Dodawanie jednostek arytmetycznych ma ograniczoną wartość, gdy czekają one na kolejny blok parametrów.

Duże modele sprawiają, że nierównowagę trudniej ignorować. Procesor zazwyczaj nie może zmieścić wszystkich parametrów w lokalnej pamięci SRAM. Projektanci przechowują więc większość parametrów w gęstszej pamięci poza układem i w razie potrzeby przenoszą wybrane bloki do szybszej pamięci.

Metalowe połączenia pozostają standardową drogą dla takich transferów. Są dobrze poznane, możliwe do produkcji i zgodne z istniejącymi systemami. Ich straty i wymagania energetyczne rosną jednak wraz ze zwiększaniem przepustowości lub wydłużaniem łącza.

Interkonekty optyczne oferują inną drogę. Światło może przenosić kilka strumieni przez równoległe kanały przestrzenne, długości fal lub włókna. Może także pokonywać większe odległości bez strat elektrycznych związanych z metalowym okablowaniem.

Odbiornik tradycyjnie osłabiał ten argument. Światło nadal musi stać się użyteczną informacją cyfrową w miejscu docelowym. Wzmacniacze transimpedancyjne przekształcają prąd fotodiody w napięcie, a dodatkowe obwody wzmacniają, próbkują i odzyskują dane.

Odbiornik Cornell próbuje wyeliminować znaczną część tej pracy po stronie końcowej. Każda światłoczuła komórka SRAM działa zarówno jako detektor, jak i miejsce przechowywania. Projekt nie tylko przesyła informacje optycznie. Zmienia miejsce, w którym zachodzi konwersja i zapis.

To rozróżnienie odróżnia projekt od systemów wykonujących za pomocą światła obliczenia arytmetyczne sieci neuronowych. Badania nad obliczeniami optycznymi często wykorzystują struktury fotoniczne do wykonywania operacji macierzowych. Cornell celuje natomiast w przenoszenie cyfrowych parametrów do pamięci elektronicznej.

Różnica ma znaczenie dla wdrożenia. Zastąpienie całego procesora elektronicznego rodzi szeroko zakrojone pytania dotyczące oprogramowania, produkcji i dokładności. Zastąpienie jednego łącza danych stawia węższe wyzwanie integracyjne, choć nadal jest ono trudne.

Badanie pamięci optycznej z 2020 roku wskazało energię, szybkość i fizyczne rozmiary jako główne miary praktycznej pamięci optycznej. Opisało także skalowanie jako trwałą przeszkodę. Prototyp Cornell wpisuje się w ten szerszy wysiłek, ale zachowuje elektroniczny charakter przechowywanego stanu.

Ta hybrydowa struktura ma praktyczne uzasadnienie. Elektroniczna pamięć SRAM już teraz zapewnia szybki, swobodny dostęp w pobliżu procesorów. Badacze dodają programowalność optyczną do wybranych komórek, zamiast wymagać, aby fotony pozostawały przechowywane jako fotony.

W przypadku robotów proponowana korzyść dotyczy dystrybucji modeli. Magazyn może obsługiwać wiele maszyn korzystających z tego samego modelu percepcji lub nawigacji. Aktualizowanie każdej jednostki przez złącze elektryczne lub łącze radiowe zużywa infrastrukturę, energię i czas konserwacji.

Nad głową umieszczony nadajnik optyczny mógłby wysyłać nowy blok parametrów do maszyn znajdujących się w jego polu widzenia. Każdy robot mógłby odebrać ten blok bezpośrednio do pamięci lokalnej. Koncepcja przypomina transmisję wizualną, ale ładunkiem byłyby dane modelu gotowe do wykonania.

Mikroroboty stanowią drugi możliwy przypadek użycia. Ich fizyczne rozmiary ograniczają pojemność pamięci i objętość baterii. Łącze oparte na świetle mogłoby dostarczać nowe parametry bez dodawania przewodowego złącza, choć obecny rozmiar komórek odbiornika koliduje z tym samym ograniczeniem przestrzennym.

Centra danych oferują inną skalę. Ich akceleratory już korzystają ze złożonych hierarchii pamięci i łączy o wysokiej przepustowości. Ścieżka optyczna eliminująca narzut odbiornika mogłaby zmniejszyć energię komunikacji, ale tylko wtedy, gdy zintegruje się z gęstymi pakietami i istniejącymi systemami harmonogramowania.

Presja konkurencyjna dotyczy więc konwencjonalnych elektrycznych łączy pamięci, a nie jednej wskazanej firmy produkującej układy. Łącza te mają za sobą dekady optymalizacji. Korzystają również z ugruntowanych rozwiązań w zakresie pakowania, testowania, korekcji błędów i łańcuchów dostaw.

Alternatywy optyczne muszą pokonać ruchomy cel. Interfejsy elektryczne nadal poprawiają sygnalizację, pakowanie i zarządzanie energią. Pamięć o wysokiej przepustowości umieszcza DRAM fizycznie bliżej akceleratorów, skracając dystans, jaki muszą pokonać dane.

Podejście Cornell oferuje inną propozycję. Zamiast udoskonalać ścieżkę elektryczną, zmienia operację odbioru. Światło nie zatrzymuje się na detektorze i nie czeka, aż konwencjonalna elektronika dokończy dostarczenie danych.

Dlatego wartość energetyczna zasługuje na uwagę, ale nie w oderwaniu od reszty systemu. Pikodżule na bit dla odbiornika nie obejmują nadajnika, źródła optycznego, sprzętu do wyrównania, kalibracji, chłodzenia ani oprogramowania aktualizującego model. Wynik systemowy ma większe znaczenie niż pojedynczy pomiar układu.

Jak światło zmienia stan pamięci bez analogowego układu wejściowego

Projekt zyskuje wydajność dzięki temu, że komórka pamięci reaguje bezpośrednio na światło, a nie przez przekształcenie całego procesora AI w komputer fotoniczny.

Komórka SRAM przechowuje jeden bit za pomocą niewielkiego obwodu, którego dwa stabilne stany reprezentują zero i jedynkę. Zachowuje tę wartość pod zasilaniem, w przeciwieństwie do DRAM, która wymaga cyklicznych operacji odświeżania. Konwencjonalne komórki SRAM nie muszą wykrywać światła.

Projekt Cornell modyfikuje każdą uczestniczącą komórkę poprzez dodanie fotodiody. Fotodioda wytwarza prąd, gdy fotony tworzą nośniki ładunku w jej strukturze półprzewodnikowej. Ten fotoprąd przesuwa komórkę w stronę stanu zakodowanego przez docierający wzór optyczny.

Modulacja przestrzenna zapewnia równoległość. Zamiast przesyłać każdy bit sekwencyjnie przez jeden kanał optyczny, nadajnik prezentuje dwuwymiarowe pole oświetlonych i ciemnych pozycji. Każda pozycja trafia w odpowiadającą jej komórkę odbiornika.

To rozwiązanie wyjaśnia wygląd przypominający kod QR. Oba systemy kodują informacje w macierzy. Odbiornik Cornell nie fotografuje jednak całej tablicy do późniejszego przetwarzania. Macierz zapisuje dane w komórkach docelowych już podczas odbioru.

Podejście to eliminuje również etap cyfrowo-analogowej interpretacji ładunku danych. Dane miejsce jest jasne albo ciemne, co odpowiada wartości binarnej. Kalibracja nadal musi ustalić, gdzie i kiedy dana wartość powinna trafić.

Błędy synchronizacji stają się trudniejsze do opanowania wraz ze wzrostem szybkości transmisji. Światło może docierać do różnych komórek ścieżkami o nieco odmiennej długości lub intensywności. Różnice produkcyjne mogą także zmieniać reakcję poszczególnych fotodiod i tranzystorów.

Kalibracja przesunięć na układzie rozwiązuje część tego problemu. Odbiornik wykorzystuje znane informacje referencyjne do oszacowania przesunięcia przestrzennego i czasowego. Następnie dopasowuje odebrane dane do zamierzonych lokalizacji komórek.

Jest to niezbędne dla robota, a nie jedynie opcjonalne dopracowanie laboratoryjne. Maszyny się poruszają, drgają, zbierają kurz i działają przy zmiennym oświetleniu. Stacjonarny odbiornik działający wyłącznie przy starannie ustawionym czerwonym świetle miałby ograniczoną wartość operacyjną.

Zasięg prototypu wynoszący niemal metr jest więc godny uwagi, lecz nie daje pełnego obrazu. Badacze pokazali, że światło w wolnej przestrzeni może dotrzeć do macierzy bez fizycznego kabla. Nie wykazali ciągłego działania podczas ruchu, przy przeszkodach ani w oświetleniu przemysłowym.

Projekt produkcyjny wymagałby również innego nadajnika. Metalowa maska dowodzi, że odbiornik potrafi rozróżnić jeden kod przestrzenny. Nie potrafi jednak tworzyć zmieniających się klatek potrzebnych do strumieniowego przesyłania bloków parametrów modelu.

Kolejny nadajnik mógłby wykorzystywać szybko przełączający się mikrowyświetlacz, macierz modulatorów lub inną strukturę optyczną. Niezależnie od wyboru, jego zużycie energii należy uwzględnić w końcowym obliczeniu wydajności. Szybkie zmiany zwiększają także wymagania dotyczące synchronizacji i obsługi błędów.

Deklarowany cel to miliony zmian obrazu na sekundę i gigabity danych na sekundę. Osiągnięcie tych poziomów przekształciłoby eksperyment ze statycznym zapisem do pamięci w łącze komunikacyjne. Niezawodne utrzymanie takich parametrów uczyniłoby porównanie z alternatywami elektrycznymi miarodajnym.

Aktualizacje modeli rodzą kolejną kwestię techniczną. Parametry AI nie są użyteczne jako nieuporządkowane bitmapy. Kontroler musi podzielić je na klatki, wskazać miejsca docelowe, zweryfikować integralność i zapobiec uszkodzeniu aktywnego modelu przez częściowy transfer.

Odbiornik potrzebuje zatem otaczającej go logiki cyfrowej. Może ona buforować aktualizacje, sprawdzać błędy i przełączać między wersjami modelu. Operacje te nie niwelują przewagi optycznej, lecz zmniejszają wartość traktowania pomiaru odbiornika jako pełnego wyniku systemowego.

Bezpieczeństwo również staje się elementem projektu, gdy światło przenosi wykonywalne parametry. Widoczne łącze optyczne zapewnia wyraźną ścieżkę fizyczną, co może pomóc operatorom w definiowaniu autoryzowanych stref aktualizacji. Atakujący, który potrafi wstrzyknąć lub zmienić światło, mógłby jednak próbować uszkodzić model robota.

Uwierzytelnianie i kontrola integralności nadal byłyby konieczne. System musi zweryfikować, kto wysłał aktualizację i czy każdy parametr dotarł bez zmian. Dostarczanie optyczne nie zastępuje zabezpieczeń kryptograficznych.

To samo dotyczy bezpieczeństwa działania. Mobilny robot nie powinien zmieniać modelu percepcji w połowie krytycznego manewru. Oprogramowanie wdrożeniowe potrzebuje reguł określających, kiedy nowe parametry mogą trafić do aktywnej pamięci.

Te dodatkowe wymagania pokazują, co sprzęt rozwiązuje, a czego nie. Zapewnia energooszczędniejszą drogę od światła do zapisanych bitów. Nie zapewnia kompletnej warstwy zarządzania modelami, której potrzebuje operator floty.

Niedawna analiza systemów fotonicznych umieszcza sprzęt optyczny w kilku zakresach odległości — od pakietów układów po łącza centrów danych. Odbiornik Cornell bada nietypowy punkt na tej mapie. Łączy bezprzewodową optykę krótkiego zasięgu z pamięcią lokalną procesora.

Takie pozycjonowanie mogłoby sprawdzić się w kontrolowanych środowiskach. Magazyny mogą instalować emitery sufitowe i wyznaczać strefy aktualizacji. Fabryki mogą planować pracę maszyn pod ustawionymi nadajnikami. Pakiety dla centrów danych mogłyby wykorzystywać stałą geometrię optyczną bez mobilnego wyrównywania.

Roboty konsumenckie stanowią trudniejszy test. Domy zawierają przeszkody, zróżnicowane oświetlenie, poruszających się ludzi i niespójne rozmieszczenie. Odbiornik może stracić linię widzenia dokładnie w chwili rozpoczęcia aktualizacji.

Mechanizm jest więc najbardziej przekonujący tam, gdzie warunki fizyczne są kontrolowane. Jego pierwszy realny rynek, jeśli się pojawi, będzie raczej przypominał stanowisko fabryczne niż nieograniczone środowisko domowe.

Większe komórki mogą zniwelować przewagę energetyczną

Największym ryzykiem dla odbiornika jest gęstość fizyczna, ponieważ każda fotodioda zajmuje przestrzeń, którą konwencjonalna SRAM wykorzystuje do przechowywania danych.

Dennis Sylvester, Fellow IEEE i profesor inżynierii na University of Michigan, pochwalił wybór problemu i określił podejście jako sprytne. Wskazał jednak również centralną słabość: komórki światłoczułe są większe niż zwykłe komórki SRAM.

Większe komórki zmniejszają ilość pamięci mieszczącej się na układzie. Procesor mógłby potrzebować większego rdzenia, by zachować pierwotną pojemność, co zwiększa koszt i potencjalnie zużycie energii. Alternatywnie projektanci mogliby zaakceptować mniej pamięci lokalnej i wykonywać więcej transferów zewnętrznych.

Każdy z tych rezultatów może zniwelować wydajność odbiornika. Oszczędność energii na każdym odebranym bicie ma mniejsze znaczenie, jeśli system musi przenosić więcej bitów, ponieważ spadła lokalna pojemność. Właściwe porównanie musi obejmować powierzchnię, pojemność i zachowanie obciążenia roboczego.

Seo twierdzi, że optymalizacja tranzystorów i obwodów może zmniejszyć rozmiar komórek. Przyszłe procesy produkcyjne mogą również pomóc dzięki skalowaniu complementary metal-oxide-semiconductor, które zmniejsza pewne wymiary obwodów. Żadna z tych ścieżek nie gwarantuje jednak porównywalności ze standardową SRAM.

Fotodiody narzucają wymagania fizyczne, których zwykłe tranzystory nie mają. Potrzebują wystarczająco dużej powierzchni światłoczułej, aby zbierać użyteczny prąd. Zmniejszenie tej powierzchni może obniżyć czułość albo wymagać silniejszego oświetlenia.

Tworzy to trójstronny kompromis między gęstością, mocą optyczną i niezawodnością. Mniejszy detektor zachowuje większą pojemność pamięci. Większy detektor zbiera więcej światła i toleruje słabsze wyrównanie. Jaśniejszy nadajnik zużywa więcej energii.

Pomiar 0,7 pikodżula dotyczy macierzy odbiornika w warunkach testowych. Nie rozstrzyga tego kompromisu na poziomie systemu. Niezależne pomiary będą musiały uwzględniać źródło optyczne oraz sprzęt zmieniający wzór.

Prototypowi brakuje również dynamicznego nadajnika wymaganego przez jego zamierzone zastosowanie. Statyczna maska prezentuje czysty wzór optyczny bez przejść między klatkami. Modulacja wysokiej prędkości wprowadza szum przełączania, marginesy czasowe i ciepło.

Wydajność pod względem błędów bitowych to kolejna nierozstrzygnięta kwestia. Parametr modelu zmieniony o jeden niepoprawny bit może mieć skutki od pomijalnych po poważne. Operatorzy potrzebują zmierzonych wskaźników błędów w zależności od odległości, kąta, drgań, temperatury i światła otoczenia.

Korekcja błędów może zwiększyć bezpieczeństwo łącza, ale dodaje nadmiarowe bity i obliczenia. Powtarzane transmisje zużywają dodatkową energię. System nadal musi przewyższać dostarczanie elektryczne po uwzględnieniu tych zabezpieczeń.

Linia widzenia stanowi odrębne ograniczenie operacyjne. Robot może obrócić odbiornik z dala od nadajnika. Sprzęt, ludzie lub zapasy mogą przerwać wiązkę. Ścieżki odbite mogą zniekształcić wzór przestrzenny.

Kalibracja może skorygować ograniczone przechylenie i różnice położenia. Nie może przywrócić zablokowanego łącza bez innej ścieżki lub nadajnika. Praktyczne wdrożenie może wymagać kilku emiterów, szerszych pól działania lub zaplanowanych pozycji dokowania.

Te dodatki zmieniają uzasadnienie biznesowe. Bezprzewodowy odbiornik optyczny brzmi jak rozwiązanie wymagające niewielkiej infrastruktury w porównaniu z fizycznymi złączami. Wiele nadajników, systemy wyrównywania i chronione strefy aktualizacji mogą jednak uczynić instalację bardziej złożoną.

Technologia musi również udowodnić, że obsługuje użyteczne rozmiary modeli. Ramka 14 na 14 bitów zawiera 196 bitów. Współczesne modele AI zawierają znacznie więcej danych parametrów, nawet po kompresji lub kwantyzacji zmniejszającej liczbę bitów przypisanych każdej wartości.

Łącze o przepustowości gigabita na sekundę znacząco poprawiłoby te obliczenia. Czas dystrybucji modelu zależy jednak od pełnego ładunku danych, retransmisji i liczby obsługiwanych robotów. Badanie nie opisało jeszcze kompleksowej aktualizacji floty.

Definicja „w locie” wymaga więc ostrożności. Może oznaczać aktualizację maszyny bez otwierania jej obudowy ani podłączania kabla. Nie powinna jeszcze sugerować ciągłej wymiany dużego aktywnego modelu podczas pracy robota.

Istnieje także różnica między aktualizowaniem parametrów a uczeniem lokalnym. Odbiornik optyczny przesyła wartości utworzone gdzie indziej. Nie trenuje modelu robota, nie ocenia nowych przykładów ani nie decyduje, które parametry powinny się zmienić.

To rozróżnienie chroni projekt przed zawyżonym twierdzeniem. Sprzęt dotyczy dostarczania modelu, a nie autonomicznego uczenia. Jego wartość zależy od tego, czy dostarczanie stało się istotnym wąskim gardłem energetycznym lub serwisowym w docelowym systemie.

Konkurencyjne rozwiązania nie będą stały w miejscu. Inżynierowie mogą kompresować modele, buforować często używane wartości, ulepszać łącza elektryczne lub umieszczać więcej pamięci obok procesora. Każda opcja atakuje ten sam koszt przenoszenia danych z innej strony.

Processing-in-memory oferuje inną drogę, wykonując część obliczeń tam, gdzie dane już się znajdują. Badacze z Cornell i inni analizowali w tym celu analogowy sprzęt pamięciowy. Dostarczanie optyczne mogłoby uzupełniać takie systemy, ale musi uzasadnić dodatkową powierzchnię.

Badania Seo nad sprzętem AI obejmują akceleratory uczenia maszynowego i algorytmy świadome sprzętu. To doświadczenie pasuje do wąskiego skupienia projektu na kosztownym interfejsie. Podkreśla również, dlaczego testowanie obciążeń roboczych ma większe znaczenie niż sam odbiornik.

Sceptyczne stanowisko nie polega na twierdzeniu, że światło nie może zapisywać danych w macierzy. Prototyp już potwierdza to podstawowe założenie. Otwarte pozostaje pytanie, czy pełny system aktualizacji optycznych zachowa zmierzoną przewagę po uwzględnieniu każdego niezbędnego komponentu.

Trzy testy zdecydują, czy roboty będą otrzymywać AI przez światło

Dynamiczny nadajnik, poprawa gęstości oraz kompleksowe próby z robotami zdecydują, czy ten odbiornik stanie się systemem, a nie tylko wynikiem dotyczącym obwodu.

Pierwszym sygnałem jest nadajnik zmieniający swoją macierz optyczną miliony razy na sekundę. To bezpośrednia zależność techniczna wskazana przez badaczy. Bez niego odbiornik nie może przesyłać strumieniowo zmieniających się bloków parametrów modelu.

Kolejna demonstracja powinna raportować trwałą przepustowość, energię nadajnika i błędy w wielu klatkach. Wiarygodne łącze o przepustowości gigabita na sekundę wzmocniłoby argument, że przestrzenne programowanie optyczne może obsługiwać rzeczywiste ładunki danych AI. Brak wyjścia poza statyczną maskę osłabiłby narrację dotyczącą robotyki.

Drugim sygnałem jest mniejsza komórka odbiornika. Przyszłe publikacje powinny porównać powierzchnię komórki światłoczułej z konwencjonalną SRAM wytworzoną w podobnych warunkach. Powinny również pokazać, jak zmniejszenie fotodiody wpływa na czułość i wymagania dotyczące oświetlenia.

Postęp w gęstości wzmocniłby kluczowy kompromis projektu. Oznaczałby, że procesory mogą zyskać programowalność optyczną bez rezygnowania ze zbyt dużej ilości pamięci lokalnej. Niewielka poprawa potwierdziłaby obawę Sylvestera, że zmniejszona pojemność niweluje oszczędności komunikacyjne.

Trzecim sygnałem jest kompleksowa aktualizacja na poruszającej się lub działającej maszynie. Test powinien obejmować ładunek danych modelu, kontrole integralności, zmieniające się wyrównanie, światło otoczenia oraz zmierzony całkowity budżet energetyczny.

Test w magazynie byłby szczególnie pouczający. Badacze mogliby umieścić kilka robotów pod nadajnikami optycznymi, rozesłać aktualizację systemu percepcji i zmierzyć czas ukończenia oraz liczbę nieudanych transferów. Wynik należy porównać z obecnie stosowaną metodą przewodową lub radiową.

Taka próba wyjaśniłaby również znaczenie określenia „w locie”. Przydatna demonstracja powinna wskazywać, czy roboty zatrzymują się, dokują czy nadal się poruszają. Powinna też opisywać, w jaki sposób oprogramowanie aktywuje kompletny model bez narażania maszyny na częściowo zapisanej wersji.

Testy te mają znaczenie wykraczające poza jeden odbiornik. Sprzęt AI coraz więcej energii zużywa na przesyłanie informacji, a nie wykonywanie obliczeń. Każde wiarygodne ograniczenie przepływu danych daje projektantom systemów kolejną opcję obok większych pamięci podręcznych i gęstszych obudów.

Optyka już przesyła dane przez sieci telekomunikacyjne i centra danych. Przybliżenie światła do pamięci procesora jest logiczną kontynuacją, lecz każda krótsza odległość wymaga ściślejszej integracji. Ekonomia układów scalonych pozostawia niewielką tolerancję dla marnowanej powierzchni.

Podejście Cornell jest interesujące, ponieważ nie zakłada, że światło ma zastąpić każdą funkcję elektroniczną. Powierza światłu jedno precyzyjnie określone zadanie: dostarczanie wartości cyfrowych bezpośrednio do szybkiej pamięci lokalnej. Układy elektroniczne nadal przechowują stan i uruchamiają model.

Taki podział może ułatwić wdrożenie systemu w porównaniu z w pełni fotonicznym procesorem. Oznacza też, że odbiornik musi współistnieć ze standardowym projektowaniem układów, ich pakowaniem i oprogramowaniem. Kompatybilność może mieć równie duże znaczenie jak sama wydajność.

Dla deweloperów bezpośrednim wnioskiem nie jest przeprojektowanie systemów aktualizacji robotów wokół diod LED montowanych pod sufitem. Praca pozostaje prototypem badawczym. Jej obecna wartość polega na pokazaniu, że sam odbiornik optyczny może stać się zapisywalną pamięcią.

Dla nabywców korporacyjnych właściwe pytania dotyczą pełnych kosztów operacyjnych. Ilu nadajników potrzebuje obiekt? Co dzieje się, gdy wiązka zostanie zablokowana? Jak szybko flota może odzyskać sprawność po przerwanej aktualizacji?

Badacze powinni publikować te pomiary systemowe wraz z kolejnym wynikiem dotyczącym układu. Sama energia zużywana przez odbiornik nie potwierdzi wartości komercyjnej. Gęstość, moc nadajnika, korekcja błędów i infrastruktura wdrożeniowa muszą zostać uwzględnione w tym samym rozliczeniu.

IEEE Spectrum przedstawił wiarygodny mechanizm oraz równie wiarygodne ograniczenie. Mechanizm eliminuje analogowe etapy odbioru, pozwalając światłu bezpośrednio modyfikować SRAM. Ograniczeniem jest to, że światłoczuła pamięć zużywa cenną powierzchnię układu i wciąż nie ma szybkiego nadajnika.

Kolejny kamień milowy powinien połączyć te dwie strony w jednym eksperymencie. Warto wypatrywać zmiennej matrycy optycznej, mniejszych komórek oraz robota, który podczas pracy odbiera zweryfikowany model. Jeśli Cornell przedstawi wszystkie trzy elementy, optyczne dostarczanie modeli będzie zasługiwać na rozważenie poza laboratorium. Jeśli nie, prototyp pozostanie sprytną odpowiedzią, której całkowity koszt systemowy nadal nie został rozstrzygnięty.