Электричество стало главным ограничителем для развития искусственного интеллекта — об этом всё чаще говорят не только экологи, но и сами разработчики чипов. Обучение крупных языковых моделей требует энергии, сопоставимой с потреблением небольшого города, а дата-центры вроде тех, что строит Microsoft или Google, уже упираются в лимиты локальных энергосетей. На этом фоне появление технологий, обещающих сократить энергозатраты в тысячу раз, звучит почти как фантастика. Но именно на такое сокращение претендуют разработчики так называемых осцилляторных вычислений — направления, которое последние несколько лет тихо развивается в лабораториях по всему миру.
Суть подхода в том, чтобы отказаться от привычной бинарной логики — нулей и единиц, которыми оперирует любой современный процессор. Вместо этого информация кодируется через фазу и частоту колебаний физических осцилляторов: крошечных элементов, которые могут быть выполнены на основе резонансных туннельных диодов, спин-трансферных наноосцилляторов или даже обычных RC-цепочек. Когда такие осцилляторы связаны друг с другом, они начинают синхронизироваться — переходить в общий ритм, как метрономы, поставленные на общую подвижную платформу. Именно эта естественная тенденция к синхронизации и используется для вычислений.
Механизм чем-то напоминает работу настоящего мозга. Нейроны в коре головного мозга обмениваются сигналами не строгими импульсами «включено-выключено», а через фазовые соотношения, через синхронные и асинхронные всплески активности. Инженеры, работающие над осцилляторными сетями, годами изучали именно эту особенность биологических систем, пытаясь перенести её принципы на кремний или на более экзотические материалы вроде оксида ванадия. Результат — чипы, которые вместо миллиардов транзакций переключения используют физику самого материала для решения задачи, что резко снижает потребление энергии.
Одна из ключевых причин, почему такие системы могут оказаться настолько экономичнее обычных процессоров, — это отказ от постоянного «перезаряда» логических вентилей. В классическом чипе каждое переключение транзистора между состояниями требует энергии, и чем выше частота работы, тем больше потерь на тепло. Осцилляторы же после настройки продолжают колебаться почти без дополнительных затрат — сама физическая система «вычисляет» ответ, минимизируя энергию колебаний, что математически эквивалентно решению задачи оптимизации. Это особенно эффективно для комбинаторных задач — расписаний, маршрутизации, распределения ресурсов — там, где традиционные процессоры тратят огромные вычислительные мощности на перебор вариантов.
Подобные разработки уже несколько лет ведутся в университетской среде. Исследователи из Purdue University под руководством Судип Датта и Нихил Шукла публиковали работы о создании так называемых Ising-машин на основе связанных осцилляторов — устройств, способных находить приближённые решения сложных оптимизационных задач с минимальным энергопотреблением. Аналогичные эксперименты проводились в Notre Dame и в Политехническом университете Турина, где группы физиков и инженеров тестировали сети из десятков и сотен связанных генераторов колебаний. IBM Research также несколько лет изучал осцилляторные нейроморфные архитектуры в рамках более широкой программы по посткремниевым вычислениям.
Проблема, с которой сталкиваются все подобные проекты, — масштабирование. Лабораторный прототип из нескольких десятков осцилляторов демонстрирует впечатляющую эффективность, но перенос архитектуры на миллионы элементов, необходимых для реальных задач машинного обучения, требует решения вопросов с шумом, стабильностью синхронизации и совместимостью с существующей полупроводниковой промышленностью. Именно поэтому заявления о тысячекратном выигрыше в энергоэффективности стоит воспринимать как теоретический потолок, достижимый при определённых условиях, а не как готовую характеристику серийного продукта.
Тем не менее интерес индустрии к альтернативным вычислительным парадигмам растёт вместе со счетами за электричество. Крупные технологические компании ищут способы снизить нагрузку на энергосети, а венчурные фонды всё активнее вкладываются в стартапы, предлагающие обходные пути мимо классической архитектуры фон Неймана — будь то фотонные процессоры, мемристорные сети или именно осцилляторные схемы. Для задач на периферии сети — датчиков, носимых устройств, автономных дронов — низкое энергопотребление может оказаться даже более значимым фактором, чем чистая производительность, поскольку такие устройства работают от батарей и не имеют доступа к промышленному охлаждению дата-центра.
Отслеживанием подобных инициатив на стыке технологий и бизнеса уже больше десяти лет занимается британский журналист Адам Шепард, публикующийся в изданиях C&IT, IT Pro и Campaign. Его материалы посвящены тому, как перемены в вычислительной технике меняют повседневную работу компаний — от корпоративной инфраструктуры до эволюции цифровых платформ и подкастинга. Увлекаясь разработкой софта и игровой индустрией, он старается переводить сложные технические концепции на понятный язык, показывая, как конкретные инновации влияют на реальные бизнес-процессы, а не остаются лабораторной экзотикой.
Пока рынок ждёт, когда осцилляторные вычисления выйдут за пределы академических статей и превратятся в коммерческий продукт, сам факт появления подобных заявлений говорит о смене вектора мышления в индустрии. Десятилетиями прогресс вычислительной техники держался на законе Мура — уменьшении транзисторов и росте тактовой частоты. Теперь, когда физические пределы кремния всё ближе, инженеры обращаются к альтернативным принципам обработки информации, заимствованным у самой природы — будь то синхронизация светлячков, метрономов или нейронов. Осцилляторные чипы — лишь одна из таких попыток, но именно она сегодня получает всё больше внимания как потенциальный ответ на энергетический кризис искусственного интеллекта.
Суть подхода в том, чтобы отказаться от привычной бинарной логики — нулей и единиц, которыми оперирует любой современный процессор. Вместо этого информация кодируется через фазу и частоту колебаний физических осцилляторов: крошечных элементов, которые могут быть выполнены на основе резонансных туннельных диодов, спин-трансферных наноосцилляторов или даже обычных RC-цепочек. Когда такие осцилляторы связаны друг с другом, они начинают синхронизироваться — переходить в общий ритм, как метрономы, поставленные на общую подвижную платформу. Именно эта естественная тенденция к синхронизации и используется для вычислений.
Механизм чем-то напоминает работу настоящего мозга. Нейроны в коре головного мозга обмениваются сигналами не строгими импульсами «включено-выключено», а через фазовые соотношения, через синхронные и асинхронные всплески активности. Инженеры, работающие над осцилляторными сетями, годами изучали именно эту особенность биологических систем, пытаясь перенести её принципы на кремний или на более экзотические материалы вроде оксида ванадия. Результат — чипы, которые вместо миллиардов транзакций переключения используют физику самого материала для решения задачи, что резко снижает потребление энергии.
Одна из ключевых причин, почему такие системы могут оказаться настолько экономичнее обычных процессоров, — это отказ от постоянного «перезаряда» логических вентилей. В классическом чипе каждое переключение транзистора между состояниями требует энергии, и чем выше частота работы, тем больше потерь на тепло. Осцилляторы же после настройки продолжают колебаться почти без дополнительных затрат — сама физическая система «вычисляет» ответ, минимизируя энергию колебаний, что математически эквивалентно решению задачи оптимизации. Это особенно эффективно для комбинаторных задач — расписаний, маршрутизации, распределения ресурсов — там, где традиционные процессоры тратят огромные вычислительные мощности на перебор вариантов.
Подобные разработки уже несколько лет ведутся в университетской среде. Исследователи из Purdue University под руководством Судип Датта и Нихил Шукла публиковали работы о создании так называемых Ising-машин на основе связанных осцилляторов — устройств, способных находить приближённые решения сложных оптимизационных задач с минимальным энергопотреблением. Аналогичные эксперименты проводились в Notre Dame и в Политехническом университете Турина, где группы физиков и инженеров тестировали сети из десятков и сотен связанных генераторов колебаний. IBM Research также несколько лет изучал осцилляторные нейроморфные архитектуры в рамках более широкой программы по посткремниевым вычислениям.
Проблема, с которой сталкиваются все подобные проекты, — масштабирование. Лабораторный прототип из нескольких десятков осцилляторов демонстрирует впечатляющую эффективность, но перенос архитектуры на миллионы элементов, необходимых для реальных задач машинного обучения, требует решения вопросов с шумом, стабильностью синхронизации и совместимостью с существующей полупроводниковой промышленностью. Именно поэтому заявления о тысячекратном выигрыше в энергоэффективности стоит воспринимать как теоретический потолок, достижимый при определённых условиях, а не как готовую характеристику серийного продукта.
Тем не менее интерес индустрии к альтернативным вычислительным парадигмам растёт вместе со счетами за электричество. Крупные технологические компании ищут способы снизить нагрузку на энергосети, а венчурные фонды всё активнее вкладываются в стартапы, предлагающие обходные пути мимо классической архитектуры фон Неймана — будь то фотонные процессоры, мемристорные сети или именно осцилляторные схемы. Для задач на периферии сети — датчиков, носимых устройств, автономных дронов — низкое энергопотребление может оказаться даже более значимым фактором, чем чистая производительность, поскольку такие устройства работают от батарей и не имеют доступа к промышленному охлаждению дата-центра.
Отслеживанием подобных инициатив на стыке технологий и бизнеса уже больше десяти лет занимается британский журналист Адам Шепард, публикующийся в изданиях C&IT, IT Pro и Campaign. Его материалы посвящены тому, как перемены в вычислительной технике меняют повседневную работу компаний — от корпоративной инфраструктуры до эволюции цифровых платформ и подкастинга. Увлекаясь разработкой софта и игровой индустрией, он старается переводить сложные технические концепции на понятный язык, показывая, как конкретные инновации влияют на реальные бизнес-процессы, а не остаются лабораторной экзотикой.
Пока рынок ждёт, когда осцилляторные вычисления выйдут за пределы академических статей и превратятся в коммерческий продукт, сам факт появления подобных заявлений говорит о смене вектора мышления в индустрии. Десятилетиями прогресс вычислительной техники держался на законе Мура — уменьшении транзисторов и росте тактовой частоты. Теперь, когда физические пределы кремния всё ближе, инженеры обращаются к альтернативным принципам обработки информации, заимствованным у самой природы — будь то синхронизация светлячков, метрономов или нейронов. Осцилляторные чипы — лишь одна из таких попыток, но именно она сегодня получает всё больше внимания как потенциальный ответ на энергетический кризис искусственного интеллекта.
