Гибридные свето-материальные частицы: новая эра AI-вычислений после кремния

В 1946 году в Пенсильванском университете заработал ENIAC — первый электронный компьютер общего назначения. Он весил 27 тонн, потреблял 150 кВт и умел делать 5 000 сложений в секунду. Спустя 80 лет в том же университете физики показывают переключение сигнала на четырёх квадриллионных долях джоуля. Разница — не в масштабе. Разница — в физике.

Проблема фотонных вычислений была известна давно. Свет движется быстро, не греется и не теряет энергию на расстоянии — поэтому оптоволокно выиграло у меди в телекоме. Но для вычислений нужны переключения: сигнал должен взаимодействовать с другими сигналами, менять состояние, принимать решения. Фотоны с этим не справляются — они не взаимодействуют друг с другом.

Группа Бо Чжэня из Penn предложила решение, которое меняет правила. Вместо того чтобы бороться с природой фотонов, физики создали гибрид: экситон-поляритоны (exciton-polaritons — квазичастицы, объединяющие фотоны с электронами в атомарно тонком полупроводнике). Эти частицы наследуют скорость света и одновременно способность материи к сильному взаимодействию.

Почему электроны проигрывают фотонам

Электроны несут заряд. Это их главное достоинство — и главная проблема. Заряд позволяет ими управлять, но создаёт сопротивление, нагрев и потери энергии. В современных AI-чипах до 90% энергии уходит не на вычисления, а на перемещение данных между памятью и процессором.

Фотоны заряд не несут. Нулевая масса покоя (zero rest mass), отсутствие сопротивления, никакого нагрева от переноса информации. Оптоволоконные линии передают данные на тысячи километров без усилителей — электронный сигнал на медном кабеле затухает через сотню метров.

Проблема — в переключении. Фотоны «не замечают» друг друга. Чтобы сделать логический вентиль, нужно заставить один фотон управлять другим. Без этого фотоника годится только для передачи, но не для вычислений.

Экситон-поляритоны решают именно эту задачу.

Как работает гибридная частица

Команда Чжэня поместила монослойный полупроводник (дихалькогенид переходного металла) в наноразмерный оптический резонатор. Фотоны в резонаторе связываются с электронами полупроводника, образуя экситон-поляритоны — новые квазичастицы, которых нет ни в свете, ни в материи по отдельности.

Экситон-поляритоны наследуют лучшие свойства обоих родителей:

🚀 от фотонов — скорость, отсутствие нагрева, нулевая масса покоя
🧲 от материи — способность взаимодействовать, переключаться, менять состояние

В эксперименте поляритоны продемонстрировали nonlinear optical response (нелинейный оптический отклик) — выходной сигнал может быть «включён» или «выключен», а не просто масштабирован относительно входного. Это базовый элемент логического вентиля.

Результат опубликован в Physical Review Letters 8 апреля 2026 года. Первый автор — Чжи Ван, постдок в лаборатории Чжэня. Соавторы — Бомхо Ким и Ли Хэ (бывший постдок, сейчас ассистент-профессор в Montana State University).

Что это меняет для AI

Современные AI-чипы — в первую очередь GPU и NPU — построены на архитектуре фон Неймана. Данные перемещаются между памятью и вычислительными блоками, тратя энергию на каждом шаге. Это bottleneck (узкое место), которое называют «стеной фон Неймана».

Фотонные чипы могут выполнять матричные умножения — основу нейросетей — со скоростью света и минимальным энергопотреблением. Но до сих пор для nonlinear activation steps (нелинейных шагов активации) — то есть для принятия решений — им требовалось конвертировать сигнал обратно в электронный вид. Эти конверсии съедали все преимущества.

Экситон-поляритоны устраняют эту конверсию. Всю цепочку — от входа до активации — можно выполнить на свету.

От лаборатории к чипу: что нужно для масштабирования

Демонстрация all-optical switching на единичном элементе — научный прорыв. Инженерный — впереди. Чтобы превратить экситон-поляритоны в работающий AI-ускоритель, необходимо решить три задачи:

Интеграция с CMOS. Текущий эксперимент использует экзотические монослойные материалы и криогенные температуры. Для коммерческого чипа потребуется совместимость со стандартным кремниевым производством.

Каскадирование. Единичное переключение работает. Сеть из миллионов переключателей — пока нет. Фотонные схемы сложнее электронных: в них нельзя просто «нарисовать» транзистор меньшего размера.

Плотность упаковки. Оптический резонатор Чжэня — нанометрового масштаба, что обнадёживает. Но системы управления фотонами (лазеры, модуляторы, детекторы) пока занимают микронный масштаб.

Lightmatter — лидер фотонных interconnects — уже продемонстрировал 1,6 Тбит/с на одно волокно для соединения GPU в дата-центрах. Это шаг к коммерческой фотонной инфраструктуре, хотя пока речь идёт только о передаче данных, а не о вычислениях.

Рынок уже голосует фотонами

Пока физики доказывают концепцию, рынок уже делает ставку. Lightmatter — стартап из Бостона, разрабатывающий фотонные interconnects для AI-кластеров, — привлёк более $400 млн. Его технология передаёт 1,6 Тбит/с на одно волокно, заменяя медные соединения между тысячами GPU. Оценка компании превышает $2 млрд — без единого продукта на рынке.

Lam Research, один из крупнейших производителей оборудования для чипов, объявил в январе 2026 года о подготовке производственной линии для кремниевой фотоники. По оценкам Intel Market Research, рынок in-package optical I/O (оптических соединений внутри корпуса чипа) вырастет до $3,2 млрд к 2030 году.

Это не случайность. Тренд в дата-центрах — от медных interconnects к оптическим — уже не спорный: он неизбежный. Электрические соединения между чипами упираются в физический предел: медный кабель длиной в метр потребляет на порядок больше энергии на бит, чем оптоволокно. Для AI-кластеров из 100 000 GPU разница в энергопотреблении — мегаватты. По данным Goldman Sachs, к 2030 году дата-центры будут потреблять 945 ТВт·ч — это больше, чем вся Япония. Фотонные interconnects — пока единственная технология, способная замедлить этот рост без снижения производительности.

Вторая рыночная сила — специализация чипов. После десятилетия доминирования GPU индустрия движется к гетерогенным архитектурам: CPU для управления, GPU для параллельных вычислений, NPU для инференса, фотонные ускорители — для задач, где latency критична. По данным Deloitte, к 2028 году до 30% AI-нагрузок в дата-центрах будет обрабатываться на специализированных не-электронных ускорителях.

Для QuiX Quantum и других фотонных стартапов это окно возможностей. Для Penn — потенциальный путь от публикации в PRL до лицензирования технологии. Но путь не короткий: от TRL 3 до TRL 7 обычно проходит 5–7 лет даже при форсированных инвестициях.

Пост-кремниевая гонка

Penn — не единственная лаборатория, работающая над оптическими вычислениями. Три направления заслуживают внимания:

В марте 2026 года Lightmatter объявил о рекорде: 1,6 Тбит/с на одно волокно для AI-интерконнектов. Lam Research готовит производственную линию кремниевой фотоники. QuiX Quantum планирует первый универсальный фотонный квантовый компьютер на 8 кубитах — уже в 2026 году. Рынок in-package optical I/O, по оценкам Intel Market Research, достигнет $3,2 млрд к 2030 году.

Экситон-поляритоны Чжэня находятся на стадии TRL 3 — экспериментальное доказательство концепции. Это не завтрашний продукт. Но это — ответ на вопрос, может ли фотоника когда-нибудь заменить электронику в вычислениях. Ответ: да, может принципиально — не эволюцией, а сменой физики.

Что это значит для инженеров

Для разработчиков AI-систем появление оптических вычислителей изменит не скорость, а архитектуру. Если фотонный ускоритель сможет обрабатывать сигнал напрямую с сенсора — без оцифровки, без DMA, без копирования в DRAM, то latency (задержка) сократится с миллисекунд до пикосекунд. А энергопотребление — с ватт до микроватт.

Это особенно важно для edge AI — систем, работающих на устройстве, а не в облаке. Автономные дроны, носимые медицинские сенсоры, промышленные роботы — все они выиграют от чипа, который не греется.

Источники