Lightmatter, fondata da tre ex studenti del MIT, sta utilizzando le tecnologie fotoniche per reinventare il modo in cui i chip comunicano e calcolano
La nostra capacità di stipare transistor sempre più piccoli su un chip ha reso possibile l'era odierna dell'informatica onnipresente. Ma questo approccio sta finalmente incontrando dei limiti, con alcuni esperti che dichiarano la fine della Legge di Moore e di un principio correlato, noto come Scaling di Dennard. Questi sviluppi non potrebbero arrivare in un momento peggiore. La domanda di potenza di calcolo è salita alle stelle negli ultimi anni grazie in gran parte alla crescita dell’intelligenza artificiale, e non mostra segni di rallentamento.
Ora Lightmatter, una società fondata da tre ex studenti del Massachusetts Institute of Technology (MIT), sta continuando il notevole progresso dell'informatica ripensando la linfa vitale del chip. Invece di fare affidamento esclusivamente sull'elettricità, l'azienda utilizza la luce anche per l'elaborazione e il trasporto dei dati. I primi due prodotti dell'azienda, un chip specializzato in operazioni di intelligenza artificiale e un'interconnessione che facilita il trasferimento di dati tra chip, utilizzano sia fotoni che elettroni per guidare operazioni più efficienti.
«I due problemi che stiamo risolvendo sono 'Come parlano i chip?' e “Come si eseguono questi calcoli [AI]?”, afferma il co-fondatore e CEO di Lightmatter, il dottor Nicholas Harris PhD (1). «Con i nostri primi due prodotti, Envise e Passage, stiamo rispondendo a entrambe queste domande».
Facendo un cenno alla portata del problema e alla domanda di intelligenza artificiale, Lightmatter ha raccolto poco più di 300 milioni di dollari nel 2023 per una valutazione di 1,2 miliardi di dollari. Ora l’azienda sta dimostrando la sua tecnologia con alcune delle più grandi aziende tecnologiche del mondo nella speranza di ridurre la massiccia domanda energetica dei data center e dei modelli di intelligenza artificiale.
«Abiliteremo piattaforme basate sulla nostra tecnologia di interconnessione composte da centinaia di migliaia di unità di calcolo di prossima generazione», afferma Harris. «Ciò semplicemente non sarebbe possibile senza la tecnologia che stiamo costruendo».
Dall'idea a $ 100.000
Prima del MIT, Harris ha lavorato presso la società di semiconduttori Micron Technology, dove ha studiato i dispositivi fondamentali alla base dei chip integrati. L’esperienza gli ha fatto capire come l’approccio tradizionale per migliorare le prestazioni del computer – stipare più transistor su ciascun chip – stesse raggiungendo i suoi limiti.
«Ho visto come la tabella di marcia per l'informatica stava rallentando e volevo capire come avrei potuto continuarla», afferma Harris. «Quali approcci possono potenziare i computer? L’informatica quantistica e la fotonica erano due di questi percorsi».
Il dottor Nicholas Harris è venuto al MIT per lavorare sul calcolo quantistico fotonico per il suo dottorato di ricerca con il dottor Dirk Englund (2), professore associato presso il Dipartimento di ingegneria elettrica e informatica. Come parte di questo lavoro, ha costruito chip fotonici integrati a base di silicio in grado di inviare ed elaborare informazioni utilizzando la luce anziché l'elettricità.
Il lavoro ha portato a dozzine di brevetti e più di 80 articoli di ricerca su riviste prestigiose come Nature. Ma anche un'altra tecnologia attirò l'attenzione di Harris al MIT.
«Ricordo che camminavo lungo il corridoio e vedevo gli studenti che uscivano ammassati da queste aule grandi quanto un auditorium, guardando video in diretta di lezioni trasmesse per vedere i professori insegnare il deep learning», ricorda Harris, riferendosi alla tecnica dell'intelligenza artificiale. «Tutti nel campus sapevano che il deep learning sarebbe stato un grosso problema, quindi ho iniziato a saperne di più e ci siamo resi conto che i sistemi che stavo costruendo per il calcolo quantistico fotonico potevano effettivamente essere sfruttati per eseguire il deep learning».
Harris aveva programmato di diventare professore dopo il dottorato, ma si rese conto che avrebbe potuto attirare più finanziamenti e innovare più rapidamente attraverso una startup, quindi collaborò con Darius Bunandar PhD, che stava anche lui studiando nel laboratorio di Englund, e Thomas Graham MBA. I co-fondatori si sono lanciati con successo nel mondo delle startup vincendo il concorso (3) imprenditoriale da 100.000 dollari del MIT 2017.
Vedere la luce
Il chip Envise di Lightmatter prende la parte del calcolo che gli elettroni fanno bene, come la memoria, e la combina con ciò che la luce fa bene, come eseguire le massicce moltiplicazioni di matrici dei modelli di apprendimento profondo.
«Con la fotonica, puoi eseguire più calcoli contemporaneamente perché i dati arrivano con diversi colori di luce», spiega Harris. «In un colore, potresti avere la foto di un cane. In un altro colore, potresti avere la foto di un gatto. In un altro colore, magari un albero, e potresti avere tutte e tre queste operazioni che passano attraverso la stessa unità di calcolo ottico, questo acceleratore di matrice, allo stesso tempo. Ciò aumenta le operazioni per area e riutilizza l’hardware presente, aumentando l’efficienza energetica».
Passage sfrutta la latenza della luce e i vantaggi della larghezza di banda per collegare i processori in modo simile a come i cavi in fibra ottica utilizzano la luce per inviare dati su lunghe distanze. Consente inoltre a chip grandi quanto interi wafer di agire come un singolo processore. L’invio di informazioni tra chip è fondamentale per gestire le enormi server farm che alimentano il cloud computing e gestiscono sistemi di intelligenza artificiale come ChatGPT.
Entrambi i prodotti sono progettati per portare efficienza energetica nell'informatica, che secondo Harris è necessaria per tenere il passo con la crescente domanda senza comportare enormi aumenti del consumo energetico.
«Entro il 2040, alcuni prevedono che circa l’80% dell’intero consumo energetico del pianeta sarà dedicato ai data center e all’informatica, e l’intelligenza artificiale rappresenterà una parte enorme di quella cifra», afferma Harris. «Quando si considerano le implementazioni informatiche per l’addestramento di questi grandi modelli di intelligenza artificiale, si stanno dirigendo verso l’utilizzo di centinaia di megawatt. Il loro consumo di energia è pari a quello delle città».
Lightmatter sta attualmente lavorando con produttori di chip e fornitori di servizi cloud per un'implementazione di massa. Harris osserva che, poiché le apparecchiature dell'azienda funzionano con silicio, possono essere prodotte da impianti di fabbricazione di semiconduttori esistenti senza grandi cambiamenti nel processo.
I piani ambiziosi sono progettati con l'intento di aprire una nuova strada nell'ambito dell’informatica che avrebbe enormi implicazioni per l’ambiente e l’economia.
«Continueremo a esaminare tutti i componenti dei computer per capire dove la luce può accelerarli, renderli più efficienti dal punto di vista energetico e più veloci, e continueremo a sostituire quelle parti», afferma Harris. «Al momento siamo concentrati sull'interconnessione con Passage e sull'elaborazione con Envise. Ma col tempo costruiremo la prossima generazione di computer e tutto sarà incentrato sulla luce».
Riferimenti:
(1) Nicholas Harris
(2) Dirk Englund
(3) MIT $100K winner’s optical chips perform AI computations at light speed
Descrizione foto: Il chip di interconnessione Passage di Lightmatter sfrutta la latenza della luce e i vantaggi della larghezza di banda per collegare i processori in modo simile a come i cavi in fibra ottica utilizzano la luce per inviare dati su lunghe distanze. L’invio di informazioni tra chip è fondamentale per gestire le enormi server farm che alimentano il cloud computing e gestiscono sistemi di intelligenza artificiale come ChatGPT. - Credit: per gentile concessione dei ricercatori. A cura di MIT Notizie.
Autore traduzione riassuntiva e adattamento linguistico: Edoardo Capuano / Articolo originale: Startup accelerates progress toward light-speed computing