Οι ερευνητές του Αριστοτελείου Πανεπιστημίου Θεσσαλονίκης (ΑΠΘ) πέτυχαν μια σημαντική παγκόσμια πρωτιά στην υπολογιστική τεχνητής νοημοσύνης. Κατασκεύασαν τον ταχύτερο επεξεργαστή τεχνητής νοημοσύνης (AI) στον κόσμο, έναν επεξεργαστή που αποτελείται από φωτονικούς νευρώνες και λειτουργεί με φως αντί για ηλεκτρικό ρεύμα. Αυτή η επαναστατική συσκευή αξιοποιεί την ισχύ του φωτός για να εκτελεί πράξεις νευρωνικών δικτύων σε ασύλληπτες ταχύτητες, επιτυγχάνοντας επιδόσεις που ξεπερνούν κατά πολύ τα σημερινά συμβατικά chips.
Πώς λειτουργεί ένας φωτονικός επεξεργαστής νευρωνικών δικτύων
Σε έναν συμβατικό επεξεργαστή, οι υπολογισμοί γίνονται με ηλεκτρικά σήματα μέσω τρανζίστορ. Αντίθετα, ο νέος επεξεργαστής του ΑΠΘ εκτελεί υπολογισμούς με φωτεινά σήματα – ουσιαστικά πρόκειται για έναν φωτονικό νευρωνικό υπολογιστή. Οι “φωτονικοί νευρώνες” είναι δομικά στοιχεία σε οπτικά κυκλώματα που μιμούνται τη λειτουργία των τεχνητών νευρώνων, αλλά αντί για ρεύμα χρησιμοποιούν φωτόνια (σωματίδια φωτός) για τη μεταφορά και επεξεργασία πληροφορίας. Αυτό απαιτεί μια πρωτότυπη αρχιτεκτονική φωτονικών νευρώνων, η οποία μπορεί να υλοποιεί βασικές αλγεβρικές πράξεις -όπως πολλαπλασιασμούς και προσθέσεις, που βρίσκονται στον πυρήνα των νευρωνικών δικτύων- σε εξαιρετικά υψηλές ταχύτητες.
Για να λειτουργήσει ένα τέτοιο σύστημα, η ομάδα του ΑΠΘ συνδύασε φωτονικά ολοκληρωμένα κυκλώματα (π.χ. οδηγώντας λέιζερ και οπτικούς διαμορφωτές για τη μετατροπή δεδομένων σε φως) με ειδικές τεχνικές εκπαίδευσης νευρωνικών δικτύων προσαρμοσμένες στις ιδιαιτερότητες του φωτός. Με απλά λόγια, επειδή η επεξεργασία γίνεται αναλογικά στο οπτικό πεδίο, οι αλγόριθμοι μηχανικής μάθησης έπρεπε να τροποποιηθούν ώστε να λαμβάνουν υπόψη τα χαρακτηριστικά και τους περιορισμούς του φωτός (π.χ. την περιορισμένη ακρίβεια ή το θόρυβο σε οπτικά σήματα). Το αποτέλεσμα αυτού του συνδυασμού ήταν η πειραματική επίδειξη ενός πλήρως λειτουργικού φωτονικού επεξεργαστή νευρωνικού δικτύου.
Κλειδί της λειτουργίας ενός φωτονικού επεξεργαστή είναι ότι οι οπτικές διάταξες μπορούν να πραγματοποιούν πράξεις πολύ πιο γρήγορα από τα ηλεκτρονικά στοιχεία. Ο συγκεκριμένος επεξεργαστής υλοποιεί τις θεμελιώδεις πράξεις ενός νευρωνικού δικτύου, δηλαδή τον πολλαπλασιασμό και άθροιση πολλών αριθμών (πράξεις που αντιστοιχούν στις συνάψεις και συναρτήσεις ενεργοποίησης των νευρώνων), χρησιμοποιώντας φωτοενεργά στοιχεία. Για παράδειγμα, ένας οπτικός πολλαπλασιαστής μπορεί να είναι ένας διαμορφωτής φωτός που κωδικοποιεί το σήμα εισόδου (αριθμητική τιμή) ως διακύμανση στην ένταση μιας ακτίνας laser, ενώ ένα οπτικό άθροισμα μπορεί να επιτυγχάνεται συνδυάζοντας πολλαπλές φωτεινές ακτίνες σε έναν ανιχνευτή φωτός. Όλες αυτές οι διεργασίες συμβαίνουν μέσα σε οπτικούς αγωγούς (οδηγούς φωτός) πάνω σε ένα φωτονο-ηλεκτρονικό τσιπ, χωρίς να μεσολαβούν (κατά το κρίσιμο μέρος της επεξεργασίας) ηλεκτρικά σήματα.
Ταχύτητα υπεράνω ανταγωνισμού: 50 GHz και πέρα
Η χρήση φωτός αντί για ηλεκτρισμό χαρίζει στο σύστημα εκπληκτική ταχύτητα. Ο φωτονικός επεξεργαστής του ΑΠΘ κατάφερε να λειτουργήσει με συχνότητα ρολογιού έως 50 GHz – δηλαδή να εκτελεί 50 δισεκατομμύρια υπολογισμούς το δευτερόλεπτο. Συγκριτικά, οι ταχύτεροι συμβατικοί επεξεργαστές AI σήμερα, όπως οι μονάδες GPU της NVIDIA ή οι εξειδικευμένες TPU της Google, λειτουργούν περίπου στο 1–2 GHz. Αυτό σημαίνει ότι ο οπτικός επεξεργαστής είναι πάνω από 25 φορές ταχύτερος από κορυφαίες GPU αρχιτεκτονικές. Στην πράξη, πράξεις που θα χρειάζονταν δεκάδες μικροδευτερόλεπτα σε μια GPU μπορούν να γίνουν μέσα σε λίγα νανοδευτερόλεπτα στο οπτικό chip.
Αυτές οι επιδόσεις είναι πρωτοφανείς και αναδεικνύουν πώς το φως μπορεί να ξεπεράσει τα φυσικά όρια της ηλεκτρονικής. Οι σύγχρονοι ηλεκτρονικοί επεξεργαστές AI, που βασίζονται σε τρανζίστορ, έχουν προσεγγίσει τα εγγενή όριά τους: είναι δύσκολο να τους αυξήσουμε πολύ περισσότερο τη συχνότητα, επειδή πάνω από ~2–3 GHz αρχίζουν να εμφανίζονται φυσικοί περιορισμοί όπως αυξημένη κατανάλωση και θερμότητα. Αντίθετα, το φως μπορεί να διαμορφωθεί και να μεταδοθεί σε πολύ υψηλότερες συχνότητες – όπως απέδειξε το πείραμα με τα 50 GHz – χωρίς αντίστοιχη επιβάρυνση.
Εντυπωσιακό είναι ότι ο επεξεργαστής του ΑΠΘ δεν προσφέρει μόνο ταχύτητα αλλά και ακρίβεια. Σε ανάλογες προσπάθειες, ερευνητές του MIT πρόσφατα κατασκεύασαν ένα ολοκληρωμένο φωτονικό chip που εκτέλεσε όλες τις βασικές πράξεις ενός νευρωνικού δικτύου οπτικά, επιτυγχάνοντας ακρίβεια κλασικών συστημάτων σε ένα καθήκον ταξινόμησης, ολοκληρώνοντας τους υπολογισμούς σε λιγότερο από μισό νανοδευτερόλεπτο. Η εργασία αυτή καταδεικνύει ότι οι οπτικοί επεξεργαστές μπορούν όχι μόνο να είναι ταχύτεροι αλλά και αξιόπιστοι και ακριβείς, κάτι κρίσιμο για πρακτικές εφαρμογές τεχνητής νοημοσύνης.
Ενεργειακή αποδοτικότητα: Μεγάλες δυνατότητες εξοικονόμησης
Εκτός από την ασυναγώνιστη ταχύτητα, ένας από τους σπουδαιότερους λόγους που οι επιστήμονες στρέφονται στη φωτονική είναι η χαμηλή κατανάλωση ενέργειας. Ο φωτονικός επεξεργαστής του ΑΠΘ πέτυχε την ίδια υπολογιστική εργασία καταναλώνοντας έως και 10 φορές λιγότερη ενέργεια σε σύγκριση με έναν τυπικό επεξεργαστή GPU.
Τα ηλεκτρονικά κυκλώματα καταναλώνουν ενέργεια κυρίως λόγω της αντίστασης των υλικών και της φόρτισης/εκφόρτισης χωρητικοτήτων όταν τα τρανζίστορ μεταβάλλουν κατάσταση (0/1). Αυτές οι διεργασίες παράγουν και θερμότητα, που είναι «χαμένη» ενέργεια και περιορίζει την περαιτέρω αύξηση ταχύτητας (λόγω υπερθέρμανσης). Αντιθέτως, στα οπτικά κυκλώματα, το φως διαδίδεται χωρίς ηλεκτρική αντίσταση, συνεπώς η θερμότητα και οι απώλειες μπορούν να είναι πολύ μικρότερες. Η χρήση φωτονίων μειώνει τις ενεργειακές απώλειες ανά πράξη, προσφέροντας καλύτερη ενεργειακή αποδοτικότητα.
Επιπλέον, το φως ως φορέας πληροφορίας δεν παρουσιάζει ηλεκτρομαγνητικές παρεμβολές μέσα σε οπτικούς αγωγούς όπως παρουσιάζει το ηλεκτρικό ρεύμα σε μεταλλικούς αγωγούς. Αυτό σημαίνει ότι μπορούμε να έχουμε πολλά οπτικά σήματα κοντά το ένα στο άλλο ή να διακινούνται ταυτόχρονα σε διαφορετικά μήκη κύματος, χωρίς να “διαρρέουν” το ένα στο άλλο (μικρότερη εμπλοκή σημάτων). Έτσι, αφενός αποφεύγεται η σπατάλη ενέργειας για διόρθωση σφαλμάτων ή θωράκιση των γραμμών, αφετέρου ανοίγει ο δρόμος για μεγαλύτερη παράλληλη επεξεργασία. Θεωρητικά, πολλαπλές δέσμες φωτός (σε ξεχωριστά μήκη κύματος) μπορούν να επεξεργάζονται πληροφορίες στο ίδιο chip χωρίς αλληλοεπικάλυψη, αυξάνοντας δραστικά το bandwidth των δεδομένων που επεξεργάζεται ο επεξεργαστής σε κάθε κύκλο.
Συνοπτικά, οι βασικές καινοτομίες του φωτονικού υπολογισμού που φέρνουν αυτά τα πλεονεκτήματα είναι:
- Εξαιρετικά υψηλές συχνότητες λειτουργίας: Το φως επιτρέπει δεκάδες GHz, πολύ πέρα από τα όρια των ηλεκτρονικών .
- Μικρότερη ενεργειακή δαπάνη ανά πράξη: Λιγότερες απώλειες και θερμότητα, με αποτέλεσμα έως 10× καλύτερη αποδοτικότητα.
- Ελαχιστοποίηση παρεμβολών: Τα οπτικά σήματα δεν προκαλούν ηλεκτρομαγνητικό θόρυβο μεταξύ τους, επιτρέποντας πιο πυκνή ολοκλήρωση κυκλωμάτων και ενδεχομένως περισσότερα παράλληλα κανάλια.
- Υψηλή υπολογιστική πυκνότητα: Συνδυάζοντας τα παραπάνω, ένας φωτονικός επεξεργαστής μπορεί να πετύχει μεγαλύτερη υπολογιστική ισχύ ανά επιφάνεια chip σε σχέση με τη συμβατική τεχνολογία, όπως καταδεικνύουν και οι μετρήσεις από τα πειράματα του ΑΠΘ.
Γιατί έχει σημασία – το τέλος των ορίων της μικροηλεκτρονικής
Η επίτευξη αυτών των επιδόσεων δεν είναι απλώς ένα ακαδημαϊκό ορόσημο, αλλά απαντά σε μια πιεστική ανάγκη στην εξέλιξη της τεχνολογίας. Σύμφωνα με τους ειδικούς, οι παραδοσιακές τεχνικές μικροηλεκτρονικής (βασισμένες στη σμίκρυνση τρανζίστορ) πλησιάζουν πια στα φυσικά τους όρια. Εδώ και δεκαετίες, ο νόμος του Moore (διπλασιασμός τρανζίστορ ανά δύο χρόνια) επέτρεψε διαρκώς ταχύτερους επεξεργαστές. Όμως, καθώς τα τρανζίστορ αγγίζουν διαστάσεις μερικών νανομέτρων, δεν μπορούν να μικρύνουν πολύ περισσότερο χωρίς φαινόμενα κβαντικού tunneling και υπερβολική θερμότητα. Οι μηχανικοί έχουν αρχίσει να συναντούν «τείχος» στο πόσο μπορούν να αυξήσουν τη συχνότητα και να μειώσουν περαιτέρω την τάση λειτουργίας.
Σε αυτό το πλαίσιο, έχει ξεκινήσει μια παγκόσμια προσπάθεια αναζήτησης εναλλακτικών αρχιτεκτονικών για μελλοντικούς υπολογιστές. Η φωτονική υπολογιστική είναι μία από τις πιο υποσχόμενες λύσεις. Όπως το θέτει ο μεταδιδακτορικός ερευνητής του ΑΠΘ Μιλτιάδης Μόραλης-Πέγιος, «η χρήση του φωτός, το οποίο ως ηλεκτρομαγνητικό κύμα είναι πιο γρήγορο και δεν έχει παρεμβολές στα οπτικά κυκλώματα σε σχέση με το ηλεκτρικό ρεύμα, μπορεί να ξεπεράσει τα όρια της μικροηλεκτρονικής». Με απλά λόγια, το φως ανοίγει ένα νέο μονοπάτι όπου οι υπολογιστές δεν θα επιβραδύνονται πλέον από την αντίσταση των μετάλλων και τη θερμότητα, επιτρέποντας συνέχιση της εκθετικής ανόδου των επιδόσεων.
Το πεδίο αυτό είναι ιδιαίτερα κρίσιμο για την τεχνητή νοημοσύνη. Τα μοντέλα βαθιάς μάθησης γίνονται ολοένα μεγαλύτερα και πιο περίπλοκα, απαιτώντας τεράστιους πόρους. Ήδη σήμερα, η εκπαίδευση και λειτουργία προχωρημένων AI (όπως μεγάλα γλωσσικά μοντέλα τύπου GPT) απαιτεί εξειδικευμένα data centers με χιλιάδες ενεργοβόρους επεξεργαστές. Η κατανάλωση ρεύματος και η ταχύτητα επεξεργασίας αποτελούν περιοριστικούς παράγοντες: οι υποδομές ηλεκτροδότησης και ψύξης δοκιμάζονται, ενώ το ενεργειακό κόστος και το περιβαλλοντικό αποτύπωμα της AI αυξάνονται. Οι φωτονικοί επεξεργαστές θα μπορούσαν να προσφέρουν λύση σε αυτό το πρόβλημα, παρέχοντας την απαιτούμενη υπολογιστική ισχύ με κλάσμα της ενέργειας. Ερευνητές του χώρου αναφέρουν ότι τέτοιες τεχνολογίες θα καταστήσουν εφικτή την μάθηση σε πραγματικό χρόνο (real-time) σε περιπτώσεις όπου σήμερα είναι αδύνατο. Για παράδειγμα, φωτονικά chips θα μπορούσαν να μάθουν και να λαμβάνουν αποφάσεις μέσα σε νανοδευτερόλεπτα, κάτι που ανοίγει δρόμο για εφαρμογές από την αυτόνομη οδήγηση μέχρι την άμεση ανίχνευση κυβερνοεπιθέσεων.
Μελλοντικές εφαρμογές και προοπτικές
Αν και η τεχνολογία βρίσκεται ακόμα σε ερευνητικό στάδιο, ήδη υπάρχουν ενδείξεις ότι θα έχει πρακτικό αντίκτυπο στο εγγύς μέλλον. Η ομάδα του ΑΠΘ, σε συνεργασία με ειδικούς της βιομηχανίας, διερευνά συγκεκριμένες εφαρμογές. Ένα χαρακτηριστικό παράδειγμα είναι στον τομέα της κυβερνοασφάλειας δεδομένων (data center cybersecurity): αξιοποιώντας τον υπέρ-ταχύ επεξεργαστή τους, οι ερευνητές σε συνεργασία με την NVIDIA κατάφεραν να ανιχνεύσουν επιθέσεις τύπου DDoS σε πραγματικό χρόνο, με ταχύτητα γραμμής (line-rate) στα data centers της NVIDIA. Με άλλα λόγια, μπόρεσαν να παρακολουθούν και να αναλύουν τεράστιες ροές δεδομένων που διέρχονται από δικτυακούς διακόπτες, εντοπίζοντας κακόβουλα πακέτα προτού αυτά προκαλέσουν ζημιά. Πρόκειται για μια εφαρμογή όπου η άμεση απόκριση είναι κρίσιμη· τα ηλεκτρονικά συστήματα συχνά δυσκολεύονται να παρακολουθήσουν terabit ροές σε πραγματικό χρόνο, αλλά ο οπτικός επεξεργαστής μπορεί να ανταποκριθεί λόγω της ασυναγώνιστης ταχύτητάς του.
Άλλες πιθανές εφαρμογές περιλαμβάνουν οποιοδήποτε πεδίο απαιτεί μαζικούς, παράλληλους υπολογισμούς με ελάχιστη καθυστέρηση. Για παράδειγμα:
- Στην αυτόνομη οδήγηση, όπου οχήματα θα επεξεργάζονται αισθητηριακά δεδομένα (LiDAR, ραντάρ, κάμερες) σχεδόν στιγμιαία, αντιδρώντας άμεσα σε απρόβλεπτες συνθήκες.
- Στην επιστημονική έρευνα (αστρονομία, φυσική σωματιδίων), όπου τεράστιοι όγκοι δεδομένων από ανιχνευτές μπορούν να αναλύονται ταχύτερα, επιτρέποντας πιο λεπτομερή εξερεύνηση φαινομένων σε πραγματικό χρόνο.
- Στις τηλεπικοινωνίες υψηλής ταχύτητας, όπου η ενσωμάτωση φωτονικών νευρωνικών μονάδων σε δρομολογητές θα μπορούσε να βελτιστοποιεί την κίνηση και την ποιότητα υπηρεσίας με μηδενική σχεδόν καθυστέρηση.
Επιπλέον, καθώς η τεχνολογία ωριμάζει, αναμένεται να βρει θέση και σε κατανεμημένα συστήματα AI αιχμής (edge AI) – δηλαδή σε συσκευές και αισθητήρες που βρίσκονται «στο πεδίο» (όπως drones, έξυπνες συσκευές, ρομπότ), δίνοντάς τους τη δυνατότητα να λαμβάνουν αποφάσεις αυτόνομα χωρίς να στηρίζονται σε cloud υποδομές. Το γεγονός ότι τα φωτονικά τσιπ μπορούν να κατασκευαστούν με υλικά συμβατά με τη βιομηχανία ημιαγωγών (π.χ. πυρίτιο και πυριτιούχο γερμάνιο στο υπάρχον πειραματικό σύστημα ) σημαίνει ότι είναι εφικτή η μαζική παραγωγή τους σε υφιστάμενα εργοστάσια μικροηλεκτρονικής, διευκολύνοντας την μελλοντική εμπορική αξιοποίηση.
Διεθνής ανταπόκριση και ο ρόλος της Ελλάδας
Η επιτυχία των ερευνητών του ΑΠΘ έχει τύχει διεθνούς αναγνώρισης. Τα αποτελέσματα της έρευνάς τους έχουν δημοσιευτεί σε κορυφαία επιστημονικά περιοδικά, όπως το Nature Communications, το Journal of Lightwave Technology, το IEEE Journal of Selected Topics in Quantum Electronics και το SPIE Advanced Photonics . Παράλληλα, έγκυρα διεθνή μέσα τεχνολογίας και επιστήμης (ScienceX, PIC Magazine, Compound Semiconductor, Nanowerk κ.ά.) παρουσίασαν την είδηση, υπογραμμίζοντας τη σημασία της εξέλιξης.
Στο μεγαλύτερο συνέδριο οπτικών επικοινωνιών παγκοσμίως, το Optical Fiber Communication Conference (OFC) που διεξήχθη τον Μάρτιο του 2023 στις ΗΠΑ, μέρος της δουλειάς παρουσιάστηκε μέσω τριών επιστημονικών εργασιών. Εντυπωσιακά, οι τρεις κύριοι συγγραφείς αυτών των εργασιών – οι υποψήφιοι διδάκτορες του ΑΠΘ Απόστολος Τσακυρίδης, Γεώργιος Γιαμουγιάννης και Χρήστος Παππάς – επιλέχθηκαν όλοι στους επτά φιναλίστ για το διεθνές βραβείο OFC Corning Student Award (ανάμεσα σε 350 φοιτητές παγκοσμίως) . Τελικά, οι τρεις από τους επτά καλύτερους νέους ερευνητές του κόσμου στο συνέδριο προέρχονταν από το Τμήμα Πληροφορικής του ΑΠΘ, κάτι που καταδεικνύει το επίπεδο αριστείας της ομάδας.
Η Ελλάδα, μέσω του ΑΠΘ, βρίσκεται λοιπόν στην πρωτοπορία ενός ταχέως αναπτυσσόμενου τεχνολογικού κλάδου. Η συγκεκριμένη ερευνητική περιοχή – τα φωτονικά νευρωνικά δίκτυα και η υπολογιστική νοημοσύνη με φως – ουσιαστικά άρχισε να απογειώνεται την τελευταία πενταετία. Το ΑΠΘ κατάφερε να συγκαταλέγεται ανάμεσα στους τρεις κορυφαίους παίκτες διεθνώς, δίπλα σε δύο εκ των πλέον διακεκριμένων αμερικανικών πανεπιστημίων: το MIT και το Princeton . Αυτό είναι αξιοσημείωτο επίτευγμα, δεδομένου ότι ανταγωνίζεται ιδρύματα με πολύ μεγαλύτερη παράδοση και πόρους στον τομέα της υψηλής τεχνολογίας.
Μια σημαντική πτυχή της επιτυχίας είναι η διεπιστημονική συνεργασία και η στρατηγική χρηματοδότηση. Η έρευνα στο ΑΠΘ βασίστηκε στη σύμπραξη δύο ομάδων: της ομάδας Ασύρματων και Φωτονικών Συστημάτων & Δικτύων (WinPhoS) στο Κέντρο Διεπιστημονικής Έρευνας και Καινοτομίας, και της ομάδας Υπολογιστικής Νοημοσύνης & Βαθιάς Μάθησης (CIDL) του Τμήματος Πληροφορικής. Επιστημονικοί υπεύθυνοι ήταν ο αν. καθηγητής Νίκος Πλέρος (φωτονικά συστήματα) και ο καθηγητής Αναστάσιος Τέφας (τεχνητή νοημοσύνη). Αυτή η συνέργεια οπτικής τεχνολογίας και AI αλγορίθμων ήταν κρίσιμη για την επιτυχία. Επιπλέον, η δουλειά τους έχει προσελκύσει σημαντική χρηματοδότηση: τόσο από ανταγωνιστικά ευρωπαϊκά προγράμματα (Horizon Europe) και εθνικά κονδύλια, όσο και από ιδιωτικούς φορείς. Ξεχωρίζει η υποστήριξη από την αμερικανική startup Celestial AI με έδρα την Silicon Valley. Η Celestial AI, η οποία αναπτύσσει επίσης οπτικές τεχνολογίες (Photonic Fabric) για την υποδομή AI, επένδυσε στην έρευνα αυτή αναγνωρίζοντας τις δυνατότητές της. Αξίζει να σημειωθεί ότι μόλις το 2025 η Celestial AI συγκέντρωσε νέα χρηματοδότηση που αποτίμησε την εταιρεία σε $2,5 δισεκατομμύρια , ένδειξη του τεράστιου ενδιαφέροντος της βιομηχανίας για τις φωτονικές λύσεις. Η εμπλοκή μιας τέτοιας εταιρείας υποδηλώνει ότι τα αποτελέσματα του ΑΠΘ δεν θα μείνουν στο εργαστήριο, αλλά ενδέχεται να μετατραπούν σε εμπορικές εφαρμογές στο μέλλον.
