Фотоникалық және дәстүрлі электронды процессорларды жан-жақты салыстыру
35 31
Кілт сөздер:
Фотоникалық процессорлар, Электрондық процессорлар, Жоғары өнімді есептеулер, Энергия тиімділігі, Оптикалық процессорлар, Толқын ұзындығын бөлу мультиплексирлеу (WDM), Гибридті архитектуралар, Машиналық оқыту.Аңдатпа
Есептеу технологиясы дамыған сайын фотондық Процессорлар мен дәстүрлі электронды Процессорларды салыстыру ғылыми-зерттеу және тәжірибелік-конструкторлық жұмыстардың негізгі тақырыбына айналды. Бұл жұмыс процессордың екі түріне де қатысты негізгі принциптерді, өнімділік сипаттамаларын және қиындықтарды жан-жақты талдауды ұсынады. Кремний транзисторлары арқылы электрондарды манипуляциялауға сүйенетін дәстүрлі электронды Процессорлар тән физикалық шектеулерге тап болады, әсіресе жылуды басқаруда, қуатты тұтынуда және масштабтау кезінде сигналдардың жоғалуында. Фотоникалық Процессорлар, керісінше, деректерді беру үшін фотондарды пайдаланады, бұл жылдамдықта, өткізу қабілеттілігінде және энергия тиімділігінде, әсіресе деректерді көп қажет ететін ауқымды қолданбаларда айтарлықтай артықшылықтар береді. Дегенмен, олардың перспективалы артықшылықтарына қарамастан, фотоникалық Процессорлар әлі де дамудың бастапқы кезеңдерінде және тапсырмалардың сериялық орындалуына және қолданыстағы электрондық жүйелермен үйлесімділігіне байланысты қиындықтарға тап болады. Бұл мақалада фотоникалық және электронды процессорлардың күшті жақтарын біріктіретін гибридті архитектуралардың әлеуеті зерттеледі, бұл болашақта жоғары өнімді есептеулерге жол ашуы мүмкін. Бұл тәсіл әсіресе жасанды интеллект, үлкен деректер және оптикалық желілер сияқты салаларда тиімді болуы мүмкін. Мақалада ағымдағы зерттеулер одан әрі қарастырылады, әлеуетті қолданбалар зерттеледі және осы технологиялардың болашақ перспективалары талқыланады, бұл фотондарды өңдеу әлеуетін толық ашу үшін инновацияларды жалғастыру қажеттілігін көрсетеді.
Әдебиеттер тізімі
Yu, S., Liu, W., Tao, SJ. et al. A von-Neumann-like photonic processor and its application in studying quantum signature of chaos. Light Sci Appl 13, 74 (2024). https://doi.org/10.1038/s41377-024-01413-5
Shastri, B.J., Tait, A.N., Ferreira de Lima, T. et al. Photonics for artificial intelligence and neuromorphic computing. Nat. Photonics 15, 102–114 (2021). https://doi.org/10.1038/s41566-020-00754-y
Miller, D. A. B. (2020). Attojoule Optoelectronics for Low-Energy Information Processing and Communications. Journal of Lightwave Technology, 35(3), 346–396. https://doi.org/10.1109/JLT.2016.2630022
Shastri, B. J., Tait, A. N., Ferreira de Lima, T., Pernice, W. H., Bhaskaran, H., Wright, C. D., & Prucnal, P. R. (2020). Photonics for artificial intelligence and neuromorphic computing. Nature Photonics, 15(2), 102–114. https://doi.org/10.1038/s41566-020-00754-y
Sun, C., Wade, M. T., Lee, Y., Orcutt, J. S., Alloatti, L., Georgas, M. S., ... & Stojanović, V. (2021). Single-chip microprocessor that communicates directly using light. Nature, 528(7583), 534–538. https://doi.org/10.1038/nature16454
Rudolph, J., & Miller, D. A. B. (2022). Energy Efficiency of Photonic and Electronic Computation. IEEE Journal of Selected Topics in Quantum Electronics, 22(6), 1–12. https://doi.org/10.1109/JSTQE.2016.2587722
Hecht, J. (2020). Silicon photonics reaches a turning point. Optics and Photonics News, 30(1), 24–31. https://doi.org/10.1364/OPN.30.1.000024
Markov, I. L. (2021). Limits on fundamental limits to computation. Nature, 512(7513), 147–154. https://doi.org/10.1038/nature13570
Bogaerts, W., Pérez, D., Capmany, J., Miller, D. A. B., Poon, J., Englund, D., Morichetti, F., & Melloni, A. (2020). Programmable photonic circuits. Nature, 586(7828), 207–216. https://doi.org/10.1038/s41586-020-2764-0
Tait, A. N., Nahmias, M. A., Shastri, B. J., & Prucnal, P. R. (2021). Broadcast and Weight: An Integrated Network for Scalable Photonic Spike Processing. IEEE Journal of Selected Topics in Quantum Electronics, 22(6), 294–306. https://doi.org/10.1109/JSTQE.2015.2512760
Shen, Y., Harris, N. C., Skirlo, S., Prabhu, M., Baehr-Jones, T., Hochberg, M., Sun, X., & Soljačić, M. (2022). Deep learning with coherent nanophotonic circuits. Nature Photonics, 11(7), 441–446. https://doi.org/10.1038/nphoton.2017.93
Chakraborty, S., & Yin, X. (2023). The future of AI hardware: challenges and opportunities for photonic and quantum processors. Journal of High-Performance Computing, 35(4), 509–524. https://doi.org/10.1016/j.jhpc.2023.03.005
Hosseini, E. S., Poon, J. K. S., & Miller, D. A. B. (2021). Towards hybrid photonic-electronic computing. Journal of Applied Physics, 130(4), 041101. https://doi.org/10.1063/5.0061394
Wetzstein, G. (2020). Augmented and Virtual Reality. In: Murmann, B., Hoefflinger, B. (eds) NANO-CHIPS 2030. The Frontiers Collection. Springer, Cham. https://doi.org/10.1007/978-3-030-18338-7_25
