Представьте компьютер, который работает не на электронике, а на свете — быстрее и эффективнее. Две исследовательские группы из Университета Тампере (Финляндия) и Университета Марии и Луи Пастера (Франция) показали новый способ обработки информации с помощью света и оптических волокон. Это может стать основой для сверхбыстрых компьютеров.

Постдоки Матильда Хари и Андрей Ермолаев экспериментально доказали: лазерный свет в тонких стеклянных волокнах способен имитировать работу искусственного интеллекта. Они изучили архитектуру вычислений, известную как Extreme Learning Machine (ELM) — упрощенный аналог нейросетей.

Extreme Learning Machine (ELM) — упрощенная нейросеть, где только выходной слой «обучается», а внутренние слои фиксированы. Аналог быстрого, но менее гибкого ИИ.

Результаты опубликованы в издании Optics Letters.

Мы заменили электронику и алгоритмы нелинейным взаимодействием света со стеклом, — объясняют ученые.

Электроника упирается в пределы скорости, энергопотребления и пропускной способности. Оптические волокна работают в тысячи раз быстрее и усиливают малейшие изменения сигнала за счет экстремальных нелинейных эффектов.

Как это работает:

• Использовались фемтосекундные лазерные импульсы (короче вспышки фотоаппарата в миллиард раз) и волокно, сжимающее свет до толщины меньше человеческого волоса.
• Импульсы содержали множество длин волн (цветов). Их задержки кодировали изображение (например, рукописные цифры из базы MNIST).
• На выходе спектр менялся так, что система распознавала цифры с точностью 91% — почти как цифровые методы, но за пикосекунду.

Ключевой момент: лучший результат достигался не при максимальной мощности, а при балансе длины волокна, дисперсии (разницы скоростей для разных цветов) и энергии.

Важно не просто «закачать» больше света, а точно структурировать его и подобрать свойства волокна, — уточняет Хари.

Модели команды учитывают дисперсию, нелинейность и даже квантовый шум, что критично для гибридных оптико-электронных систем ИИ.

Мы соединили физику и машинное обучение, чтобы создать основу для энергоэффективного «светового» ИИ, — говорят руководители групп Гери Дженти, Джон Дадли и Даниэль Бруннер.

Следующий шаг — компактные чипы для работы в реальном времени вне лаборатории. Применений масса: от обработки сигналов до экологического мониторинга.

Исследование улучшает:

• Скорость: обработка данных на порядки быстрее электроники (пикосекунды vs наносекунды).
• Энергоэффективность: световые вычисления могут снизить энергопотребление ЦОДов, где ИИ «съедает» мегаватты.
• Новые устройства: например, мгновенный анализ изображений в медицине или автономных системах.

Проблема в переходе от лабораторных условий к массовым решениям, но задел серьезный.

Однако 91% точности — это ниже современных цифровых аналогов (99%+ для MNIST). Метод пока уступает в универсальности: он настроен на конкретную задачу, а перепрограммирование требует изменения физических параметров (длины волокна, мощности).

Ранее российские ученые доказали теорию акустической турбулентности.