Jak světelný čip propojuje kvantové snímání a umělou inteligenci
Fotonický čip může zpracovávat data ze senzoru světlem, místo aby každý signál putoval elektronikou. Přínosem je místní rychlost a menší zahřívání, ne hotový univerzální kvantový počítač.
Simon Glass ·
Jedna z tichých revolucí ve výpočetní technice se odehrává uvnitř čipů, kde se informace může šířit jako světlo. Nové práce na optickém AI hardwaru ukazují praktickou myšlenku: část výpočtu přesunout blíž k senzoru, dřív než data projdou dlouhou elektronickou cestou. U neutronového zobrazování to může mít velký význam.
 Neutrony jsou elektricky neutrální částice používané ve výzkumu materiálů, jaderné fyzice, energetice, bezpečnosti i nedestruktivním testování. Umějí odhalit lehké prvky, například vodík nebo lithium, ukryté v hustých objektech. Proto pomáhají při studiu baterií, kovů, paliv i technických součástí. Potíž je v tom, že neutronové experimenty vytvářejí velké proudy obrazových dat a zároveň probíhají v prostředí s radiací, která běžné elektronice nesvědčí. Právě tady je optické počítání zajímavé. V běžném čipu se čísla přenášejí elektrickými signály. V optické neuronové síti prochází světlo navrženými strukturami a k výpočtu přispívá jeho intenzita, fáze i interference. Světlo se pohybuje rychle, může nést mnoho informací paralelně a může snížit část energie ztracené neustálým přesouváním dat mezi pamětí a procesorem. Vědci u neutronové detekce ukazují postup, v němž kamera zachytí zásahy částic a optický AI systém je pomůže vyhodnotit přímo u přístroje. Nejprve prochází obraz a hledá pravděpodobné neutronové události. Potom menší síť odhaduje polohu každého zásahu přesněji, než dovoluje samotná mřížka pixelů. To je důležité, protože neutron nedopadne spořádaně do středu obrazového bodu. Jeho světelná stopa se rozprostře a model se z ní může naučit dopočítat přesnější polohu.
 Kvantová část příběhu je skromná, ale skutečná. Nejde o univerzální kvantový počítač. Spojení spočívá v tom, že neutronové zobrazování začíná u kvantových částic a mění jednotlivé události na čitelnou informaci. Optický AI čip stojí právě na této hranici mezi fyzikální událostí a obrazem. Naděje nezní tak, že světlo nahradí elektroniku všude. Fotonické čipy jsou specializované a vyžadují pečlivou kalibraci. Specializované nástroje však často začínají tam, kde je potřeba nejostřejší: ve vědeckých přístrojích, lékařských skenerech, dalekohledech, průmyslové kontrole a systémech s rychlými obrazovými daty. Pokud detektor zvládne část interpretace sám, může potřebovat méně datové propustnosti, stínění i energie. Praktické poučení je optimistické. Budoucí stroje mohou spojovat elektroniku tam, kde je nejsilnější, fotoniku tam, kde pomáhá rychlost a paralelnost, a AI modely navržené podle fyziky samotného zařízení. Malý čip vedoucí světlo nevyřeší každý výpočetní problém. Může však zpřesnit a zúspornit jedno obtížné vědecké měření. Tak často začínají technologie, které vydrží. Těžší částí není samotná ukázka. Cena, odolnost, údržba, spotřeba energie a dostupnost rozhodují, zda se chytré zařízení uplatní i mimo laboratoř. Těžší částí není samotná ukázka. Cena, odolnost, údržba, spotřeba energie a dostupnost rozhodují, zda se chytré zařízení uplatní i mimo laboratoř.
Těžší částí není samotná ukázka. Cena, odolnost, údržba, spotřeba energie a dostupnost rozhodují, zda se chytré zařízení uplatní i mimo laboratoř.
Prototyp z roku 2026 je užitečné chápat jako počítač u senzoru, ne jako náhradu za grafické čipy NVIDIA nebo kvantové procesory IBM. Týmy z Massachusetts Institute of Technology, University of Pennsylvania a Brookhaven National Laboratory ukazují, proč přenos informace fotony omezuje elektrická úzká hrdla, jenže pouzdření, kalibrace a šum detektorů zůstávají tvrdým limitem. Praktický čip potřebuje stabilní lasery, vlnovody široké řádově mikrometry a elektronické řízení odolné vůči změnám teploty. Mechanismus je konkrétní: interference v drobných optických drahách provádí operace podobné maticovému násobení a elektronika potom přečte výsledek. Neutronovým pracovištím, například Oak Ridge National Laboratory, to může zrychlit třídění snímků, ale mimo čistou laboratoř je nutné opakované ověření.
Pro měřítko: ověřovací běh může porovnat 100 vzorků ve 20 snímcích, než čipu někdo svěří čas u svazku. California Institute of Technology a Stanford University používají podobnou kázeň, když optický hardware opouští demonstrační stůl.