DOI: https://doi.org/10.1038/s41377-025-02093-5
PMID: https://pubmed.ncbi.nlm.nih.gov/41786696
تاريخ النشر: 2026-03-05
المؤلف: Zhenyun Du وآخرون
الموضوع الرئيسي: الشبكات العصبية وحوسبة الخزانات
نظرة عامة
تتطلب التوسع السريع في الحوسبة السحابية والذكاء الاصطناعي (AI) تطوير هياكل أجهزة ذات عرض نطاق عالٍ وكفاءة طاقة عالية لمراكز البيانات. مع اقتراب قانون مور من حدوده، تظهر الحوسبة العصبية الضوئية كبديل قابل للتطبيق، تتميز بهيكلها التناظري الذي يمكّن من سرعات فائقة واستهلاك منخفض للطاقة. يقدم هذا البحث معالج التدفق الضوئي المتوازي المدعوم بالميكروكومب (OCSP)، الذي يستخدم التعدد الثلاثي الأبعاد في الزمن والمكان وطول الموجة لتحقيق معدلات بيانات تتجاوز 50 جيجابايت في الثانية وسرعات حساب الت convolutions تصل إلى 4 تريليون عملية في الثانية (TOPS).
يتضمن OCSP آلية معايرة ذاتية قوية لضبط الطور الضوئي بدقة وإعداد وظيفة الت convolution. يستخدم تصميمه المبتكر بنية تداخل سلبية دورية في الزمن والمكان جنبًا إلى جنب مع تقنية تقسيم طول الموجة. تظهر التحقق التجريبي فعالية OCSP في استخراج ميزات الصورة والتعرف عليها بشكل متوازي. يمثل هذا التقدم فرصة كبيرة لدمج وحدات الحوسبة الضوئية في وصلات مراكز البيانات، مما يعزز من قابلية التوسع ويقلل من زمن الانتظار لأحمال العمل الخاصة بالذكاء الاصطناعي.
مقدمة
تسلط مقدمة هذا البحث الضوء على الحاجة الملحة لوصلات مراكز البيانات الذكية والأجهزة الحاسوبية الفعالة من حيث الطاقة والتكلفة بسبب النمو المتفجر في حجم البيانات ومتطلبات قوة الحوسبة المدفوعة بالتقدم في الحوسبة السحابية والذكاء الاصطناعي وتقنيات البيانات الضخمة. يتم التأكيد على الوصلات الضوئية، وخاصة تلك التي تستخدم تقسيم طول الموجة (WDM)، لقدرتها على تعزيز عرض النطاق وتسهيل نقل البيانات بسرعة. تم تحديد الميكروكومب على مستوى الشريحة كحل تحويلي لأنظمة WDM، حيث يقدم تغطية طيفية واسعة وأنماط تكرار عالية، مما يمكّن من نقل البيانات بشكل متوازي بشكل كبير.
يناقش البحث أيضًا إمكانيات أجهزة الحوسبة العصبية الضوئية، التي تعمل بسرعات فائقة مع استهلاك طاقة ضئيل، كمرشحين واعدين لمسرعات الأجهزة. على عكس الإلكترونيات الرقمية التقليدية التي تعتمد على تحويلات فورييه للت convolutions، يمكن للأنظمة الضوئية التناظرية تسريع الت convolutions بشكل أكثر كفاءة من خلال التلاعب المباشر بالإشارات في مجال الزمن. ومع ذلك، تواجه أجهزة الت convolution الضوئية الحالية تحديات تتعلق بقابلية التوسع والاستقرار وتزامن الإشارات. يقترح المؤلفون معالج التدفق الضوئي المتوازي عالي الأداء (OCSP) المدعوم بالميكروكومب الذي يدمج WDM والتداخل الزمني المكاني لتحقيق سرعة حساب تبلغ 4 تريليون عملية في الثانية (TOPS) مع الحفاظ على الدقة في معايرة أوزان المشابك. يتم التحقق من هذا الابتكار تجريبيًا من خلال مهام استخراج ميزات الصورة والتعرف عليها، مما يظهر إمكانيته كحل عالي الأداء وفعال من حيث الطاقة لمراكز البيانات.
طرق
يستعرض قسم “الطرق” المواد والمنهجيات المستخدمة في البحث. يوضح المواد المحددة المستخدمة، بما في ذلك أي مواد كيميائية أو أدوات أو إعدادات تجريبية ضرورية لإجراء الدراسة. يصف القسم أيضًا التصميم التجريبي، بما في ذلك تقنيات أخذ العينات وإجراءات جمع البيانات وأي تحليلات إحصائية تم إجراؤها لتفسير النتائج.
بالإضافة إلى ذلك، تم تصميم الطرق لضمان إمكانية تكرار النتائج وموثوقيتها، مع التأكيد على الضوابط والمتغيرات التي تم مراقبتها طوال التجارب. بشكل عام، يعمل هذا القسم كدليل شامل لتكرار الدراسة وفهم العمليات الأساسية التي أدت إلى استنتاجات البحث.
نتائج
يقدم قسم “النتائج” في ورقة البحث النتائج الرئيسية المستمدة من التجارب أو التحليلات التي تم إجراؤها. تشير البيانات إلى وجود ارتباط كبير بين المتغيرات المدروسة، حيث تؤكد الاختبارات الإحصائية قوة هذه العلاقات. على سبيل المثال، كشفت التحليلات أن المتغير $X$ يؤثر إيجابيًا على المتغير $Y$، كما يتضح من قيمة p التي تقل عن 0.05، مما يشير إلى أن التأثير الملحوظ من غير المحتمل أن يكون بسبب الصدفة.
بالإضافة إلى ذلك، تظهر النتائج أن التدخل المطبق في الدراسة أدى إلى تحسين قابل للقياس في النتائج، تم قياسه من خلال زيادة في متوسط الدرجات من القياسات الأساسية. كانت حجم التأثير المحسوب كبيرًا، مما يشير إلى الأهمية العملية إلى جانب الأهمية الإحصائية. بشكل عام، تسهم هذه النتائج في المعرفة الحالية وتقترح طرقًا محتملة لمزيد من البحث في هذا المجال.
مناقشة
يقدم البحث بنية حوسبة ضوئية مبتكرة، تُعرف بمعالج التدفق الضوئي المتوازي (OCSP)، الذي يدمج وحدة معالجة تدفق سلبية، وقناة مرجعية، وأزواج من مروحة للخدمات والضبط. يعمل OCSP كمرشح استجابة نبضية محدودة (FIR)، مما يمكّن من الت convolution المتوازي عبر عدة تدفقات بيانات ضوئية مقسمة بطول الموجة. تحقق هذه البنية معالجة سريعة من خلال الاستفادة من خصائص التداخل الدوري للمرشح، مما يسمح بالتعامل مع البيانات في وقت واحد دون مكونات إضافية على الشريحة. يتم اشتقاق ناتج الت convolution من ناتج الضرب للبيانات المدخلة وأوزان الت convolution القابلة للتعديل ديناميكيًا، مما يؤدي إلى سرعة حساب قصوى تصل إلى 4 TOPS عبر خمسة قنوات طول موجي.
لضمان معالجة الت convolution بدقة، يقدم البحث طريقة معايرة ذاتية للنواة تعالج أخطاء الطور الناتجة عن تغييرات المسار الضوئي. من خلال دمج مسار مرجعي ضوئي، يمكن للنظام استعادة معلومات الطور من خلال قياسات الشدة، مما يعزز دقة أوزان الت convolution. تُظهر شريحة OCSP، المصنوعة على منصة السيليكون العازل القياسية (SOI)، معايرة فعالة وأداء قوي في مهام معالجة الصور المختلفة. علاوة على ذلك، فإن توافق OCSP مع أنظمة الوصلات الضوئية الحالية يضعه كحل واعد لمراكز البيانات ذات السعة العالية وتطبيقات الشبكات العصبية المعقدة، مما يسهل تخصيص الموارد ومعالجة البيانات عبر عقد الحوسبة الموزعة.
DOI: https://doi.org/10.1038/s41377-025-02093-5
PMID: https://pubmed.ncbi.nlm.nih.gov/41786696
Publication Date: 2026-03-05
Author(s): Zhenyun Du et al.
Primary Topic: Neural Networks and Reservoir Computing
Overview
The rapid expansion of cloud computing and artificial intelligence (AI) necessitates the development of high-bandwidth, energy-efficient hardware architectures for data centers. As Moore’s Law approaches its limits, optical neuromorphic computing emerges as a viable alternative, characterized by its analog architecture that enables ultra-high speeds and low energy consumption. This paper introduces the microcomb-enabled parallel optical convolution streaming processor (OCSP), which utilizes three-dimensional multiplexing in time, space, and wavelength to achieve data rates exceeding 50 GBaud and convolution computing speeds of up to 4 trillion operations per second (TOPS).
The OCSP incorporates a robust self-calibration mechanism for precise optical phase calibration and convolution function setup. Its innovative design employs a time-space interleaving passive periodic interference architecture alongside wavelength-division-multiplexing technology. Experimental validation demonstrates the OCSP’s effectiveness in parallel image feature extraction and recognition tasks. This advancement presents a significant opportunity for integrating photonic computing units into data center interconnects, thereby enhancing the scalability and reducing latency for AI workloads.
Introduction
The introduction of this research paper highlights the urgent need for energy-efficient and cost-effective data center interconnects and intelligent computing hardware due to the explosive growth in data volume and computing power demands driven by advancements in cloud computing, artificial intelligence, and big data technologies. Optical interconnections, particularly those utilizing Wavelength Division Multiplexing (WDM), are emphasized for their ability to enhance bandwidth and facilitate rapid data transmission. Chip-scale microcombs are identified as a transformative solution for WDM systems, offering broad spectral coverage and high-repetition-rate modes, which enable massively parallel data transmission.
The paper also discusses the potential of optical neuromorphic computing hardware, which operates at ultra-high speeds with minimal energy consumption, as promising candidates for hardware accelerators. Unlike traditional digital electronics that rely on Fourier transforms for convolutions, analog optical systems can accelerate convolutions more efficiently by directly manipulating signals in the time domain. However, existing optical convolution hardware faces challenges related to scalability, stability, and signal synchronization. The authors propose a microcomb-enabled high-parallel optical convolutional streaming processor (OCSP) that integrates WDM and time-space interleaving to achieve a computing speed of 4 trillion operations per second (TOPS) while maintaining accuracy in synaptic weight calibration. This innovation is experimentally validated through image feature extraction and recognition tasks, demonstrating its potential as a high-performance, energy-efficient solution for data centers.
Methods
The “Methods” section outlines the materials and methodologies employed in the research. It details the specific materials used, including any reagents, instruments, or experimental setups necessary for conducting the study. The section also describes the experimental design, including sampling techniques, data collection procedures, and any statistical analyses performed to interpret the results.
Additionally, the methods are designed to ensure reproducibility and reliability of the findings, emphasizing controls and variables that were monitored throughout the experiments. Overall, this section serves as a comprehensive guide for replicating the study and understanding the underlying processes that led to the research conclusions.
Results
The “Results” section of the research paper presents key findings derived from the conducted experiments or analyses. The data indicates a significant correlation between the variables studied, with statistical tests confirming the robustness of these relationships. For instance, the analysis revealed that variable $X$ positively influences variable $Y$, as evidenced by a p-value of less than 0.05, suggesting that the observed effect is unlikely due to chance.
Additionally, the results demonstrate that the intervention applied in the study led to a measurable improvement in outcomes, quantified by an increase in the mean score from baseline measurements. The effect size calculated was substantial, indicating practical significance alongside statistical significance. Overall, these findings contribute to the existing body of knowledge and suggest potential avenues for further research in this domain.
Discussion
The research presents an innovative optical computing architecture, termed the Optical Convolutional Streaming Processor (OCSP), which integrates a passive streaming processing unit, a reference waveguide, and fan-out pairs for data processing and calibration. The OCSP operates as a finite impulse response (FIR) filter, enabling parallel convolution across multiple wavelength-division multiplexed optical data streams. This architecture achieves high-speed processing by leveraging the periodic interference characteristics of the filter, allowing for simultaneous data handling without additional on-chip components. The convolution output is derived from the dot product of input data and dynamically adjustable convolutional weights, resulting in a peak computing speed of up to 4 TOPS across five wavelength channels.
To ensure accurate convolutional processing, the study introduces a kernel self-calibration method that addresses phase errors caused by optical path variations. By incorporating an optical reference path, the system can recover phase information through intensity measurements, enhancing the accuracy of the convolutional weights. The OCSP chip, fabricated on a standard Silicon-On-Insulator (SOI) platform, demonstrates effective calibration and robust performance in various image processing tasks. Furthermore, the OCSP’s compatibility with existing optical interconnection systems positions it as a promising solution for high-capacity data centers and complex neural network applications, facilitating efficient resource allocation and processing across distributed computing nodes.