Rendere i processori per computer più rapidi grazie alla luce
Stiamo facendo ingresso nell’era dell’informatica cognitiva, in cui le macchine simuleranno il modo in cui gli esseri umani ragionano quando affrontano problemi complessi che non hanno soluzioni chiare o nette. Per poter replicare il pensiero umano, questo tipo di calcolo richiede l’elaborazione di ingenti quantità di dati ad altissima velocità, un compito che i computer attuali non riescono a svolgere in modo efficiente. Ora un approccio rivoluzionario dimostrato da un gruppo di ricerca internazionale promette di accelerare significativamente l’apprendimento automatico. Grazie al parziale sostegno dei progetti Fun-COMP, PINQS e PROJESTOR, finanziati dall’UE, i ricercatori hanno sviluppato un acceleratore hardware specializzato che elabora i dati usando la luce. Come affermato nel loro studio, pubblicato sulla rivista «Nature», l’acceleratore hardware fotonico integrato è in grado di svolgere trilioni di operazioni al secondo. «I chip per computer tradizionali si basano sul trasferimento elettronico dei dati e sono relativamente lenti. Al contrario, i processori basati sulla luce, come quello sviluppato nel corso del nostro lavoro, permettono di elaborare operazioni matematiche complesse con una velocità cento o persino mille volte maggiore, riducendo notevolmente il consumo energetico», spiega uno dei co-autori, il prof. C. David Wright dell’Università di Exeter, che ha coordinato il progetto Fun-COMP, in un articolo postato sul sito web «Phys.org».
Come funziona questa tecnologia?
L’acceleratore hardware fotonico integrato, noto anche come tensor core, usa una matrice di memoria basata su materiali a cambiamento di fase, con pettini di frequenza ottica basati sul chip fotonico, per ottenere un’elaborazione in-memory fotonica in parallelo. L’elaborazione è in grado di funzionare a frequenze superiori a 14 GHz, «limitate solo dalla velocità dei modulatori e dei fotorilevatori», come affermato nello studio. «La nostra ricerca è la prima ad applicare i pettini di frequenza all’ambito delle reti neurali artificiali», afferma il co-autore dello studio prof. Wolfram Pernice dell’Università di Münster, in Germania, coordinatore del progetto PINQS, nell’articolo di «Phys.org».
Applicazioni dell’IA per i processori fotonici
«I risultati che abbiamo raggiunto potrebbero avere una lunga serie di applicazioni», osserva nel medesimo articolo il co- autore prof. Harish Bhaskaran dell’Università di Oxford. «Un TPU [Tensor Processing Unit] fotonico potrebbe elaborare rapidamente e in maniera efficiente enormi set di dati usati per le diagnosi mediche, come quelli derivanti dagli scanner per TC, RMI e PET». La fotonica integrata dimostra di avere un grande potenziale anche per altre applicazioni di IA ad alta intensità di dati, tra cui la guida autonoma, l’elaborazione di video in tempo reale e i servizi di cloud computing di prossima generazione. Il progetto Fun-COMP (Functionally scaled computing technology: From novel devices to non-von Neumann architectures and algorithms for a connected intelligent world), della durata di quattro anni, si concentra sullo sviluppo di tecnologie rilevanti per l’industria che si spingeranno oltre gli approcci di elaborazione e archiviazione tradizionali attualmente impiegati. Il progetto PINQS (Photonic integrated quantum transceivers) sta impiegando circuiti nanofotonici integrati con nanostrutture superconduttrici e nanotubi in carbonio, con l’obiettivo di creare chip fotonici quantistici scalabili che superino gli ostacoli presenti negli ambiti dell’ottica quantistica lineare e della comunicazione quantistica. Infine, il progetto PROJESTOR (PROJECTED MEMRISTOR: A nanoscale device for cognitive computing) sta indagando il concetto di projestor, un dispositivo in grado di ricordare la storia della corrente che lo ha attraversato in precedenza. Quest’ultimo progetto terminerà a giugno 2021, mentre i primi due si concluderanno nel 2022. Per ulteriori informazioni, consultare: sito web del progetto Fun-COMP sito web del progetto PINQS sito web del progetto PROJESTOR
Parole chiave
Fun-COMP, PINQS, PROJESTOR, fotonico, calcolo, dati, acceleratore, luce
