Trovato un modo per alimentare il futuro dell’intelligenza artificiale con la luce anziché con l’elettricità.

ENIAC, sviluppato dai ricercatori dell’Università della Pennsylvania J. Presper Eckert e John Mauchly, ha contribuito a dare inizio all’era moderna dell’informatica utilizzando flussi di elettroni per risolvere complessi problemi matematici. Lo stesso approccio elettronico è ancora alla base dei computer, degli smartphone e dei sistemi di intelligenza artificiale odierni. Tuttavia, con l’aumentare delle esigenze dell’intelligenza artificiale, i limiti dell’hardware basato sugli elettroni diventano sempre più difficili da ignorare.

Perché gli elettroni stanno raggiungendo i loro limiti

Gli elettroni trasportano una carica elettrica, il che crea diverse problematiche all’interno dei moderni chip per computer. Muovendosi attraverso i materiali, generano calore e incontrano resistenza, con conseguente spreco di energia. Questi problemi si aggravano ulteriormente man mano che i chip diventano più complessi e devono elaborare enormi quantità di dati per le applicazioni di intelligenza artificiale.

I ricercatori guidati dal fisico Bo Zhen della Facoltà di Arti e Scienze dell’Università della Pennsylvania ritengono che i fotoni, le particelle che compongono la luce, potrebbero contribuire a risolvere alcuni di questi problemi.

“Essendo neutri dal punto di vista elettrico e avendo massa a riposo nulla, i fotoni possono trasportare informazioni rapidamente su lunghe distanze con perdite minime, dominando la tecnologia delle comunicazioni”, spiega Li He, co-primo autore di un articolo pubblicato su Physical Review Letters ed ex ricercatore post-dottorato presso il laboratorio Zhen. “Tuttavia, questa neutralità implica che interagiscono a malapena con l’ambiente circostante, rendendoli inadatti al tipo di logica di commutazione del segnale su cui si basano i computer.”

In altre parole, la luce è eccellente per trasportare informazioni in modo rapido ed efficiente, ma ha difficoltà con le operazioni di commutazione necessarie per il calcolo.

Combinare luce e materia per il calcolo basato sull’intelligenza artificiale

Per superare questo problema, il team di Zhen ha sviluppato una speciale quasiparticella chiamata eccitone-polaritone. Questa particella si forma quando i fotoni sono fortemente legati agli elettroni all’interno di un materiale semiconduttore sottile a livello atomico. Questa combinazione permette alla luce di interagire in modo molto più efficace, rendendola capace di effettuare la commutazione del segnale necessaria per le operazioni di calcolo.

Questa scoperta potrebbe essere particolarmente importante per i sistemi di intelligenza artificiale, che consumano enormi quantità di energia.

Molti chip fotonici sperimentali per l’intelligenza artificiale utilizzano già la luce per eseguire determinati calcoli ad alta velocità. Tuttavia, quando questi sistemi devono eseguire passaggi di attivazione non lineari, come le operazioni decisionali, di solito devono riconvertire i segnali luminosi in segnali elettronici. Tale conversione rallenta il processo e aumenta il consumo energetico, riducendo i vantaggi del calcolo fotonico.

Utilizzando eccitoni-polaritoni, i ricercatori della Penn hanno dimostrato la commutazione di tutta la luce utilizzando solo circa 4 quadrilionesimi di joule di energia. Questa quantità è straordinariamente piccola, ben al di sotto dell’energia necessaria per alimentare brevemente un minuscolo LED.

Verso chip per l’intelligenza artificiale più veloci ed efficienti

Se questa tecnologia potrà essere scalata con successo, potrebbe portare alla realizzazione di chip fotonici in grado di elaborare le informazioni direttamente dalle telecamere, senza ripetute conversioni tra luce ed elettricità. Questo approccio potrebbe inoltre ridurre l’enorme fabbisogno energetico dei grandi sistemi di intelligenza artificiale e potenzialmente supportare funzioni di base del calcolo quantistico sui chip del futuro.

Bo Zhen è professore associato titolare della cattedra Jin K. Lee presso il Dipartimento di Fisica e Astronomia della Facoltà di Arti e Scienze dell’Università della Pennsylvania.

Li He è stato ricercatore post-dottorato presso il laboratorio Zhen della Penn Arts & Sciences. Attualmente è professore assistente presso la Montana State University.

Tra gli altri autori dello studio figurano Zhi Wang e Bumho Kim della Facoltà di Arti e Scienze dell’Università della Pennsylvania.

La ricerca è stata finanziata dall’Ufficio di ricerca navale degli Stati Uniti (N00014-20-1-2325 e N00014-21-1-2703) e dalla Fondazione Sloan.

Raggiungere non linearità ottiche a intensità luminose ultra-basse in piattaforme a stato solido è essenziale per far progredire le tecnologie fotoniche non lineari e quantistiche. Un approccio promettente prevede l’accoppiamento di eccitoni a fotoni in cavità ottiche per creare polaritoni eccitonici, dove le interazioni fotone-fotone efficaci sono mediate dalla non linearità eccitonica intrinseca. Tuttavia, realizzare forti non linearità dei polaritoni all’interno di un’architettura scalabile rimane una sfida sperimentale significativa. Qui, dimostriamo polaritoni eccitonici bidimensionali altamente non lineari accoppiando una carica sintonizzabile MoSe2
monostrato a una nanocavità planare a cristallo fotonico. La pronunciata risonanza eccitonica del monostrato, combinata con la sua perfetta integrazione con la nanocavità planare, facilita una robusta ibridazione eccitone-fotone. In particolare, il forte confinamento del modo della nanocavità migliora sostanzialmente le interazioni polaritone-polaritone, consentendo la commutazione completamente ottica dello spettro della cavità con energie di eccitazione basse come ∼ 4   F J
—diversi ordini di grandezza al di sotto delle soglie precedentemente riportate nei sistemi eccitone-polaritone 2D. La spettroscopia pump-probe rivela che questo processo di commutazione avviene su una scala temporale ultrarapida di pochi picosecondi. La nostra lettera stabilisce una solida piattaforma per la polaritonica 2D non lineare con ampie applicazioni nelle tecnologie fotoniche integrate, tra cui il calcolo neuromorfico completamente ottico e l’elaborazione quantistica delle informazioni fotoniche.