В отличие от обычной электроники, они работают на частотах, где задержки почти незаметны, а помехи не мешают. Но главное — теперь к ним добавляют нейроинспирированные алгоритмы, которые учатся на ходу. Вместо жестко заданных параметров такие системы подстраиваются под изменения в реальном времени. Это открывает новые горизонты для управления сложными динамическими процессами.

Результаты опубликованы в издании Frontiers of Optoelectronics.

Исследователи из Института физики сложных систем в Пальма-де-Мальорке — Сильвия Ортин, Мориц Пфлюгер и Апостолос Аргирис — объединили биоинспирированные вычисления с высокоскоростной оптоэлектроникой. Их ключевая идея в том, чтобы заставить систему самообучаться на основе корреляции сигналов. Они создали прототип на основе оптического волокна, имитирующего работу нейронных сетей, где каждый «синапс» адаптируется по принципу Хебба — чем чаще используется связь, тем она прочнее.

Вот как это работает:

• Система анализирует входные данные со скоростью 1 миллиард операций в секунду.
• Контроллер в реальном времени корректирует параметры, например, стабилизирует температуру без предварительных расчетов.

Это не просто теория — уже есть рабочий пример, доказывающий, что фотоника и машинное обучение могут работать вместе на предельных скоростях.

Такие технологии могут усовершенствовать:

• Телекоммуникации — передача данных без задержек даже в условиях помех.
• Робототехнику — мгновенная адаптация к изменяющейся среде.
• Медицину — сверхточные системы мониторинга, реагирующие на малейшие изменения.

Главное преимущество — скорость. Традиционные контроллеры отстают на порядки, а здесь решения принимаются за наносекунды.

Пока система тестировалась только на модельных задачах вроде стабилизации температуры. Реальные условия — шумы, нелинейные эффекты, износ компонентов — могут существенно снизить эффективность. Нужны эксперименты в менее идеализированной среде.

Ранее российские ученые создали самый быстрый в мире фотонный переключатель.