El sistema desarrollado por investigadores de la Universidad de Pekín conecta múltiples chips de computación a través de una red óptica integrada en lugar de utilizar enlaces eléctricos convencionales. Este enfoque está diseñado para reducir retrasos y mejorar el movimiento de datos entre chips, uno de los cuellos de botella cada vez más críticos en el escalado de cargas de trabajo de inteligencia artificial.

En el centro de la plataforma se encuentra un transceptor fotónico de silicio de 400 gigabits por segundo que convierte señales eléctricas en señales ópticas y viceversa. Funciona junto con un chip conmutador óptico personalizado de 16 por 16 que enruta datos entre nodos de computación, creando una red de comunicación escalable con un ancho de banda de conmutación agregado de hasta 6,4 terabits por segundo.

Una característica clave del conmutador óptico es su pérdida total inferior a 5 decibelios, incluyendo pérdida de acoplamiento. Según el equipo de investigadores, esto permite una transmisión de alta velocidad sin errores sin requerir compensación de ganancia óptica externa. El conmutador también mantiene un rendimiento sin errores en múltiples rutas de comunicación y soporta una respuesta espectral superior a 100 nanómetros, lo que lo hace adecuado para futuras expansiones de ancho de banda mediante multiplexación por división de longitud de onda.

Para demostrar la arquitectura, los investigadores implementaron una red neuronal convolucional de cinco capas para eliminación de ruido en imágenes. Cada capa fue asignada a una unidad de computación separada, mientras que el conmutador óptico conectaba los procesadores en una tubería. En lugar de almacenar repetidamente datos intermedios en memoria antes de enviarlos al siguiente procesador, el sistema transmitía mapas de características directamente a través de la red óptica. Esto redujo los retrasos asociados con transferencias de memoria y mantuvo las unidades de computación funcionando continuamente.

Comparado con una unidad de procesamiento gráfico comercial ejecutando la misma tarea de eliminación de ruido en imágenes, el sistema óptico entregó una inferencia más de cien veces más rápida mientras utilizaba solo aproximadamente una novena parte de los recursos computacionales.

Los investigadores creen que este trabajo destaca una forma diferente de mejorar el rendimiento de la inteligencia artificial a medida que los modelos continúan creciendo. "Los objetivos específicos pueden realizarse bajo recursos computacionales limitados cuando los algoritmos, las microarquitecturas de procesadores e interconexiones a nivel de chip se codiseñan", escribieron los autores del estudio.

El equipo señala que los avances en óptica coempaquetada, transceptores fotónicos de silicio e interfaces de chips de inteligencia artificial más rápidas podrían ayudar a convertir los supernodos ópticos integrados en una base práctica para futuros sistemas de computación distribuida. Tales sistemas podrían proporcionar el alto ancho de banda, baja latencia y eficiencia energética necesarios para soportar cargas de trabajo de inteligencia artificial de próxima generación sin depender únicamente de clusters más grandes de procesadores cada vez más consumidores de energía.

Los investigadores también señalan que este enfoque podría aliviar el uso insostenible de energía en centros de datos y optimizar la latencia o el consumo en escenarios de computación perimetral, donde los dispositivos procesan datos más cerca de su origen en lugar de enviarlos a servidores centralizados.