Моделі глибоких нейронних мереж стали настільки великими та складними, що вони кинули виклик можливостям традиційного електронного обчислювального обладнання. Фотонне обладнання, яке виконує обчислення за допомогою світла, пропонує швидшу та енергоефективнішу альтернативу, але стикається з труднощами в певних обчисленнях нейронних мереж через обмеження, що уповільнюють їх продуктивність. Дослідники з MIT та інших установ розробили новий фотонний чіп, що вирішує ці проблеми. Цей повністю інтегрований фотонний процесор може виконувати всі основні обчислення глибоких нейронних мереж оптично на чіпі. Чіп виконав обчислення для задачі класифікації машинного навчання менш ніж за пів наносекунди з точністю 92%, що є порівнянним з традиційним обладнанням. Виготовлений за допомогою процесів комерційних ливарних виробництв, чіп має взаємопов'язані модулі, що утворюють оптичну нейронну мережу, натякаючи на можливість масштабованих та інтегрованих майбутніх електронних додатків. Це досягнення може підвищити швидкість і енергоефективність глибокого навчання, що буде корисним для таких галузей, як лідар, астрономія, фізика частинок і телекомунікації. Система дозволяє виконувати повні операції нейронних мереж в оптиці на наносекундному рівні, що робить її значно швидшою. Ведучий дослідник Сауміл Бандьопадхай відзначив важливість швидкості та ефективності в продуктивності моделей і потенціал для інноваційних застосунків та алгоритмів. До команди дослідників входять випускники та професори MIT, такі як Александер Сладдс, Ніколас Гарріс, Даріус Бунандар і Дірк Енглунд, а дослідження було опубліковане в журналі Nature Photonics. Оптичні нейронні мережі включають шари взаємопов'язаних вузлів, які виконують лінійну алгебру, таку як множення матриць, що є важливим для перетворення даних. Нелінійні операції, як, наприклад, функції активації, дозволяють мережам вивчати складні патерни.

У 2017 році був розроблений окремий фотонний чіп для множення матриць, але для нелінійних операцій потрібно було перетворювати оптичні дані в електричні сигнали, що споживало значну кількість енергії. Щоб подолати це, дослідники створили нелінійні оптичні функціональні блоки (NOFU), які інтегрують електроніку та оптику для нелінійних операцій на чіпі. Їхня оптична нейронна мережа складається з трьох шарів пристроїв для лінійних та нелінійних функцій. Нова система кодує параметри нейронної мережі у світлі, використовуючи програмовані роздільники променя для множення матриць. Нелінійні операції виконуються за допомогою NOFU, які використовують фотодіоди для ефективного перетворення оптичних сигналів в електричний струм. Це обробка в оптичній сфері значно знижує латентність та енергоспоживання. Досягаючи низької затримки, система ефективно навчає глибокі нейронні мережі безпосередньо на чіпі, відомий як in situ навчання, що зазвичай вимагає багато енергії в цифровому обладнанні. Фотонний процесор досяг понад 96% точності в навчанні і понад 92% в інференції, виконуючи обчислення менш ніж за пів наносекунди. Схема була виготовлена за допомогою тих же процесів, які створюють CMOS чіпи, що дозволяє потенційну масову продукцію з мінімальною помилкою. Майбутні дослідження зосередяться на інтеграції пристрою з реальними електронними системами та розробці алгоритмів, які використовують оптичні переваги для швидшого та більш енергоефективного навчання. Це дослідження отримало підтримку від Національного наукового фонду США, Військово-повітряного науково-дослідного управління США та NTT Research.