Komputasi Optik: AI Diproses Hanya dengan Satu Kilatan Cahaya

Para peneliti menciptakan sistem komputasi optik yang mampu melakukan perhitungan AI hanya dengan sekali kilatan cahaya. 

Ilustrasi: Photonics Group/Aalto University

Ringkasan

• Sistem optik POMMM melakukan perkalian matriks AI hanya dalam satu lintasan cahaya.
• Akurasi perhitungannya setara GPU dan dapat menjalankan jaringan saraf nyata.
• Teknologi ini menjanjikan komputasi jauh lebih hemat energi dan lebih cepat.

MASA depan komputasi tampaknya datang lebih cepat dari dugaan. 

Sistem bernama parallel optical matrix-matrix multiplication (POMMM) memungkinkan seluruh operasi perkalian matriks, inti dari semua jaringan saraf, diselesaikan hanya melalui satu lintasan cahaya koheren. 

Tidak ada proses berulang, tidak ada bolak-balik data antara prosesor dan memori. Cahaya melakukan semuanya secara paralel, secara alami.

Penelitian kolaboratif antara Shanghai Jiao Tong University, Aalto University, dan Chinese Academy of Sciences ini dipublikasikan di Nature Photonics.

Temuan ini bisa menjadi terobosan karena mengatasi kelemahan sistem optik sebelumnya, yang masih membutuhkan banyak propagasi cahaya untuk menyelesaikan satu operasi tensor.

Pada GPU, perkalian dua matriks berarti jutaan operasi berurutan: membaca data, mengalikan, menjumlahkan, menyimpan kembali. Setiap langkah menghabiskan waktu dan energi. 

POMMM bekerja dengan cara berbeda:

• Satu matriks dikodekan ke amplitudo dan posisi cahaya.
• Baris-baris data diberi pola fase berbeda.
• Lensa silinder melakukan transformasi Fourier optik.

Hasilnya? Semua operasi subset terjadi serempak karena sifat dasar cahaya dan Fourier transform, fisika yang sudah kita kenal sejak abad ke-19.

Pengujian menunjukkan akurasi POMMM nyaris identik dengan GPU, pada ukuran matriks 10×10 hingga 50×50. Dan semuanya terjadi hanya dalam satu kali propagasi cahaya.

Untuk membuktikan fungsi praktisnya, para peneliti menjalankan convolutional neural networks (CNN) dan vision transformer (ViT) pada sistem ini. 

Hasilnya:

• 94,44% akurasi pada klasifikasi angka tulisan tangan (MNIST).
• 84,11% akurasi pada pengenalan item pakaian (FashionMNIST).

Bobot jaringan yang dilatih di GPU bisa langsung digunakan di sistem optik tanpa modifikasi.

Menurut peneliti Aalto University, Dr. Yufeng Zhang, sistem ini ibarat menggabungkan semua mesin pemindai dan meja sortir dalam satu gerakan: semua paket (data) langsung diproses dan disortir sekaligus, hanya dalam satu tembakan cahaya.

Prototipe eksperimen menggunakan:

• Spatial Light Modulators untuk mengkodekan data pada laser 532 nm,
• Lensa silinder untuk transformasi optik,
• Kamera CMOS beresolusi tinggi untuk menangkap hasil perhitungan.

Tim juga menguji wavelength multiplexing, yaitu menjalankan perhitungan kompleks dengan dua panjang gelombang, 540 nm dan 550 nm, untuk memproses data bernilai kompleks secara paralel. 

Ini membuka jalan menuju pemrosesan tensor tiga dimensi dalam sekali tembak.

Analisis teoretis menunjukkan bahwa sistem satu-propagasi ini dapat mengungguli komputasi optik konvensional dalam paralelisme dan efisiensi energi. 

Hal ini penting karena hambatan terbesar hardware AI saat ini adalah data movement, yaitu perpindahan data masif antara prosesor dan memori.

Optik meminimalkan perpindahan data itu karena perhitungannya terjadi melalui propagasi fisik cahaya, bukan elektris.

Masalah yang masih ada meliputi:

• Kesulitan menyambungkan banyak lapisan optik untuk model AI yang sangat dalam,
• Sensitivitas tinggi terhadap keselarasan perangkat optik,
• Ketergantungan pada modulasi dan kamera sebagai batas kecepatan sistem.

Namun, pelatihan jaringan saraf menggunakan karakteristik error khas POMMM terbukti dapat mengurangi dampak ketidaksempurnaan hardware.

Simulasi menunjukkan sistem ini dapat diperluas hingga operasi matriks 256×9.216—melampaui batas prototipe fisiknya.

POMMM bukan sekadar inovasi teknis; ia membuka kemungkinan baru menuju komputer optik yang mampu memproses AI secepat cahaya. 

Jika tantangan teknis dapat diatasi, era baru komputasi ultra-efisien dan super cepat bukan hanya mungkin—tetapi mungkin sudah di depan mata.

Disadur dari StudyFinds.