北京大学の研究者らは、National Science Review誌に掲載された研究によると、市販のGPUの約9分の1の計算能力で、AI推論速度を100倍以上向上させる全光チップ相互接続を構築した。
このシステムは、AIハードウェアにおける最も永続的なボトルネックの1つであるデータ移動に取り組む。従来のGPUベースのアーキテクチャでは、計算ユニットはデータが電気的相互接続を通過するのを待つことに多くの時間を費やしており、メモリ転送の遅延が計算時間をはるかに上回ることが多い。北京大学のプロトタイプは、これらの電気的リンクを、光速でデータを転送するオンチップフォトニックネットワークに置き換える。
主要コンポーネントは、電気-光変換用の400 Gbpsシリコンフォトニックトランシーバーと、最大6.4 Tbpsの総合スイッチング帯域幅でコンピューティングノード間のデータをルーティングするカスタム16×16光スイッチチップである。このスイッチは、結合損失を含めて5 dB未満の総光損失を達成し、外部光増幅の必要性を排除する。
デモンストレーションでは、チームは画像ノイズ除去のための5層畳み込みニューラルネットワークを実行し、各層を光スイッチを介して接続された個別の計算ユニットに割り当てた。特徴マップはフォトニックネットワークを通じて層から層へ直接ストリーミングされ、電気的相互接続を悩ませるメモリのストアアンドフォワード遅延を回避した。
スイッチのスペクトル応答は100ナノメートルを超え、波長分割多重の準備が整っている。これは、異なる色の光で複数のデータチャネルを同時に送信することにより、帯域幅をさらに倍増させる可能性がある技術である。
「アルゴリズム、プロセッサのマイクロアーキテクチャ、チップレベルの相互接続が共同設計される場合、限られた計算リソースの下で特定の目標を達成することができる」と著者らは記している。
より広範な影響は、生のパフォーマンスを超えて及ぶ。光ファブリックは、データセンターにおける持続不可能なエネルギー消費を軽減し、計算とエネルギーの予算が厳しく制約されるエッジコンピューティングシナリオにおけるレイテンシや電力使用を最適化する可能性がある。チームは、コパッケージ光技術、より高速なシリコンフォトニックトランシーバー、改善されたAIチップインターフェースが、これらの「光スーパーノード」を分散コンピューティングの実用的な基盤に変える可能性があると考えている。
Sources: China’s optical network makes computing 100x faster with fewer chips (Interesting Engineering, July 2026); National Science Review paper
雅子 訳