Oggi sappiamo come realizzare e addestrare chip fotonici che utilizzano la luce per implementare reti neurali a elevata efficienza. Il risultato, abilitante alla crescita dei sistemi di intelligenza artificiale e più in generale in tutte le applicazioni in cui sia richiesta elevatissima capacità computazionale, è stato appena pubblicato sulla prestigiosa rivista scientifica Science in un articolo intitolato Experimentally realized in situ backpropagation for deep learning in photonic neural networks.
Il lavoro è il risultato di una collaborazione di più di cinque anni tra il gruppo di Photonic Devices del Dipartimento di Elettronica, Informazione e Bioingegneria del Politecnico di Milano, coordinato dal Prof. Andrea Melloni e dal Prof. Francesco Morichetti, e il Department of Electrical Engineering dell’Università di Stanford.
L’attività di ricerca ha come tema lo sviluppo di processori fotonici programmabili per applicazioni nel campo della trasmissione e dell’elaborazione dei dati, e ora questi dispositivi sono stati impiegati per la realizzazione di reti neurali fotoniche. Il dispositivo realizzato integra in un chip di silicio di pochi mm2 un acceleratore fotonico che, attraverso una griglia programmabile di interferometri, permette di implementare dei neuroni artificiali in grado di svolgere operazioni matematiche in modo estremamente rapido (< 0.1 ns) e con un bassissimo consumo energetico. A questo scopo sono state sviluppate strategie di addestramento dei neuroni fotonici che permettono di raggiungere precisioni di calcolo confrontabili a quelle di una rete neurale convenzionale, ma con un notevole risparmio energetico e maggiore velocità.
Oltre alle applicazioni nel campo delle reti neurali, il dispositivo sviluppato può essere utilizzato come unità di calcolo per molteplici applicazioni, tra cui sistemi di high performance computing (HPC), acceleratori grafici, coprocessori matematici, data mining, crittografia e computer quantistici.