Десятилетиями ученые пытались использовать свет для ускорения вычислений. Фотонные нейросети — системы, где информация обрабатывается не электричеством, а светом — обещают быть быстрее и энергоэффективнее традиционной электроники. Но, несмотря на потенциал, они все еще уступают цифровым аналогам в точности. Главная причина: большинство фотонных систем копируют структуру и методы обучения цифровых моделей, а при переносе математики в «железо» возникают ошибки.

Китайские исследователи из Северо-Западного политехнического университета и Юго-Восточного университета предложили новый подход. Их фотонная нейросеть, описанная в журнале Advanced Photonics Nexus, обрабатывает данные не через математические модели, а через физические преобразования света. Это не только повышает точность, но и открывает путь к созданию более умного и быстрого «железа» для ИИ.

Как устроен прорыв

Обычные фотонные нейросети сначала обучают на компьютере, а потом переносят на физическое устройство. На каждом этапе — от математического моделирования до сборки — накапливаются погрешности. Новый дизайн избегает этого:

• Вместо цифровых расчетов используются оптические пути — световые сигналы, связывающие входные и скрытые слои.
• Пространственные модуляторы света и камеры физически преобразуют свет в реальном времени, без симуляций.
• Скрытые нейроны создаются случайно, через естественные искажения света, а не через уравнения.

Пространственный модулятор света — устройство, которое меняет интенсивность или фазу световых волн в реальном времени. Работает как «умное зеркало», способное превращать изображение в набор сигналов без вычислений.

Систему проверили на классических датасетах:

Чем сложнее задача (как с цветными изображениями CIFAR-10), тем заметнее преимущество.

Почему это важно

• Фотонные системы не обязаны повторять цифровые — можно использовать саму физику света.
• Множественные оптические связи (мультисинапсы) улучшают распознавание образов без усложнения архитектуры.

Этот принцип применим не только к свету, но и к другим физическим носителям — звуку, теплу, механическим волнам.

Исследование может ускорить внедрение ИИ в устройства с жесткими ограничениями по энергии и времени:

• Медицинские датчики — анализ изображений в реальном времени без задержек.
• Автономные дроны — быстрая обработка данных с камер при минимальном энергопотреблении.
• Носимые гаджеты — распознавание речи или жестов без перегрева.

Главный плюс — снижение зависимости от дорогих GPU и облачных вычислений.

Метод требует точного контроля за оборудованием: малейшие отклонения в настройке модуляторов или камер могут исказить результаты. Пока система тестировалась в лабораторных условиях — как она поведет себя при вибрациях, перепадах температуры или запылении, неясно.

Ранее ученые заявили, что фотоника научилась думать со скоростью 1 млрд операций в секунду.