La crescente fame energetica dei sistemi di intelligenza artificiale sta spingendo ricercatori e ingegneri verso soluzioni innovative che potrebbero rivoluzionare l’elaborazione dei dati. I data center che alimentano strumenti come ChatGPT, il riconoscimento facciale e i traduttori automatici consumano quantità crescenti di elettricità, ma una tecnologia emergente promette di cambiare radicalmente questo scenario. L’approccio, sviluppato all’Università della Florida, sostituisce gli elettroni con la luce laser per eseguire alcuni dei calcoli più complessi dell’AI.
La rivoluzione delle lenti microscopiche
Il cuore dell’innovazione è un chip che integra componenti ottici direttamente sul silicio, utilizzando lenti di Fresnel miniaturizzate per realizzare operazioni di convoluzione. Queste lenti, più sottili di un capello umano e incise sul semiconduttore con tecniche standard, sono una versione ultrasottile di quelle impiegate nei fari marittimi per concentrare la luce. Il sistema converte i dati di machine learning in luce laser, che attraversa le lenti per eseguire trasformazioni matematiche complesse, prima di essere riconvertita in segnale digitale.
Nei primi test, il prototipo ha ottenuto una precisione del 98% nella classificazione di cifre scritte a mano, pari alle prestazioni dei chip elettronici tradizionali, ma con un consumo energetico quasi nullo. Una svolta che potrebbe ridurre drasticamente i costi energetici dell’intelligenza artificiale senza sacrificare l’accuratezza.
Multiplexing ottico: quando i colori fanno la differenza
Uno degli aspetti più promettenti della tecnologia è la capacità di processare flussi di dati multipli sfruttando laser di colori diversi, grazie al cosiddetto multiplexing a lunghezza d’onda. In questo modo, diverse lunghezze d’onda di luce possono attraversare simultaneamente la lente, aumentando l’efficienza e offrendo un vantaggio netto rispetto ai sistemi elettronici.
Il progetto, sviluppato con il Florida Semiconductor Institute, la UCLA e la George Washington University, si inserisce in un contesto industriale già maturo. Aziende come NVIDIA utilizzano elementi ottici in alcune componenti dei loro sistemi AI, rendendo più semplice l’integrazione futura. La ricerca è stata pubblicata sulla rivista Advanced Photonics, confermando la solidità scientifica dell’approccio.
Il futuro dell’elaborazione dati
Le operazioni di convoluzione sono tra le più pesanti dal punto di vista computazionale nel machine learning, fondamentali per il riconoscimento di immagini, video e testi. La possibilità di eseguirle tramite la luce, anziché l’elettricità, apre prospettive enormi per la scalabilità dei sistemi AI.
I ricercatori immaginano un futuro in cui l’ottica integrata sui chip diventerà parte integrante dei processori per l’intelligenza artificiale. Questa evoluzione tecnologica potrebbe offrire una risposta concreta ai crescenti problemi di sostenibilità energetica, garantendo allo stesso tempo prestazioni superiori e inaugurando una nuova era del calcolo ottico dedicato all’AI.