Silicon Chip implementa rede neural baseada em luz para processamento de sinal mais rápido e com eficiência energética

• Os pesquisadores criaram um chip de silício que espalha com precisão o sinal de luz, demonstrando um novo design de rede neural. 
• A luz elimina a interferência causada pela carga elétrica e pode viajar mais rápido e mais longe. 

O desenvolvimento de interconexões altamente compactas e com eficiência energética tem sido um objetivo de pesquisa fundamental para a fotônica integrada. Eles têm uma ampla gama de aplicações, incluindo telecomunicações eficazes e comunicações entre chips de alta largura de banda em dispositivos CMOS.

Muitos cientistas ao redor do mundo estão trabalhando em circuitos de redes neurais artificiais para emular o cérebro humano. No entanto, a fiação elétrica tradicional de circuitos semicondutores não é capaz de lidar com o roteamento intensamente complexo necessário para redes neurais avançadas.

Recentemente, cientistas do Instituto Nacional de Padrões e Tecnologia desenvolveram um chip de silício que difunde com precisão sinais ópticos através de uma pequena grade semelhante a um cérebro, demonstrando um novo design de rede neural.

As redes neurais artificiais têm demonstrado capacidades excepcionais no aprendizado e modelagem de problemas complexos não lineares, incluindo processamento de imagens, reconhecimento de caracteres e previsão de dados. Agora, a equipe de pesquisa usou sinais luminosos (em vez de sinais elétricos) para implementar essas redes neurais.

Vantagens do uso de luz em vez de sinais elétricos

A principal razão para usar luz em vez de sinais elétricos é que a luz elimina a interferência causada pela carga elétrica e, assim, pode alcançar uma comunicação mais longa com maior velocidade e menor potência.

Pode melhorar o desempenho da análise de dados científicos. Isto inclui investigação de ciência de dados quânticos, pesquisas de exoplanetas e desenvolvimento de sistemas de controle de veículos autônomos.

Um computador tradicional processa dados por meio de regras ou algoritmos codificados, enquanto a rede neural depende de múltiplas conexões entre unidades de processamento chamadas neurônios. As múltiplas camadas de neurônios podem ser treinadas para realizar algumas tarefas específicas. Normalmente, uma máquina neuromórfica contém uma estrutura grande e complicada de redes neurais.

Como eles construíram um chip óptico?

O novo chip de silício usa sinais de luz empilhando (verticalmente) duas camadas de guias de ondas fotônicas. Isso confina a luz em linhas mais estreitas para direcionar os sinais de luz. Mais especificamente, o empilhamento de guias de ondas permite uma integração densa com cruzamentos de guias de onda de baixa perda e conversação cruzada de baixa perda.

Referência:APL Photonics | doi:10.1063/1.5039641 | NIST

O design 3D permite esquemas de roteamento complexos e pode ser integrado a camadas adicionais para executar tarefas mais complicadas.

Neste trabalho, eles apresentaram guias de onda empilhados que criam uma grade 3D com 10 entradas cada uma conectada a 10 saídas. Basicamente, é um roteamento entre 2 camadas de uma rede neural feed-forward com um total de 100 receptores.

Distribuidor de roteamento fotônico | Crédito: Chiles/NIST

Eles usaram nitreto de silício para construir esses guias de onda (cada um com 400 nanômetros de espessura e 800 nanômetros de largura) e os fabricaram em um wafer de silício. Eles também desenvolveram um programa dedicado para produzir automaticamente o roteamento de sinais, com nível de conectividade apropriado (configurável) entre os neurônios.

Então, eles usaram uma fibra óptica para direcionar a luz do laser para o chip de silício. O objetivo era encaminhar cada entrada para todas as saídas, seguindo um padrão de distribuição de potência ou intensidade luminosa. Diferentes níveis de potência mostram um grau diferente de conectividade e padrão dentro do circuito.

Os pesquisadores mostraram 2 esquemas para controlar a intensidade da produção –

1. Uniforme:todas as saídas recebem a mesma potência.
2. Distribuição da curva de sino:a maior parte da energia é transferida para os neurônios intermediários.

Leia:Uma nova forma de luz que poderia tornar possível a computação quântica com fótons

Para analisar com precisão os resultados, eles criaram imagens dos sinais que saem da última camada. A saída apresentou baixas taxas de erro e distribuição precisa de energia. Em 1320 nanômetros de comprimento de onda, descobriu-se que a distribuição uniforme e da curva em sino apresentava erros médios de potência de saída de 0,7 e 0,9 dB.