Les scientifiques ont réussi à réduire jusqu’à 500 fois trois composants utilisés dans les micropuces photoniques, laissant ainsi beaucoup plus d’espace pour d’autres fonctionnalités intégrées à la puce. La réalisation a été rendue possible grâce à un intelligence artificielle (IA) qui a généré ces minuscules conceptions, que les chercheurs ont décrites comme « au-delà de l’intuition humaine ».
Alors que les micropuces conventionnelles utilisent des électrons pour transmettre et traiter les informations, les micropuces photoniques utilisent des particules de lumière (photons). Ils peuvent donc traiter et transmettre des données beaucoup plus rapidement que les puces électroniques, car les photons peuvent transporter des informations au niveau du site. vitesse de la lumière. Ils offrent également une bande passante plus élevée, car différentes longueurs d’onde peuvent transporter des flux de données distincts, et perdent moins d’énergie sous forme de chaleur.
En conséquence, les puces photoniques sont utilisées là où une transmission de données rapide et à large bande passante est essentielle, comme dans les communications par fibre optique, les centres de données, l’IA, les systèmes lidar pour véhicules autonomes et informatique quantique.
Au lieu de fils métalliques, des canaux d’une largeur micrométrique appelés guides d’ondes dirigent la lumière à travers la puce photonique. Ces puces contiennent également des séparateurs de longueur d’onde, des trieurs de modes spatiaux et des miroirs, tous essentiels pour séparer et diriger différentes longueurs d’onde et modèles de lumière dans une empreinte d’une fraction de la largeur d’un cheveu humain.
Dans la nouvelle étude, les scientifiques ont utilisé des conceptions générées par l’IA pour fabriquer ces trois composants à une échelle ultracompacte. Ils ont publié leurs conclusions le 28 mai dans la revue Communications naturelles.
L’espace nouvellement disponible sur la puce pourrait permettre aux ingénieurs de « débloquer de nouvelles fonctionnalités » en intégrant davantage de composants, ont écrit les chercheurs dans l’étude. Les travaux démontrent notamment que l’IA peut produire des conceptions de puces qui repoussent les limites et qui sont également pratiques à fabriquer.
L’IA a travaillé à rebours pour générer les conceptions des composants
Les chercheurs ont commencé par indiquer à l’algorithme exactement ce qu’ils voulaient que les composants fassent à la lumière et en fournissant certaines contraintes de fabrication, telles que des limites sur la façon dont les nanostructures pouvaient se courber.
L’algorithme d’IA a ensuite travaillé à rebours, testant et affinant différentes conceptions jusqu’à trouver les nanostructures délicates capables d’obtenir le résultat souhaité.
« La conception inverse nous permet de définir ce que nous voulons que la lumière fasse, et l’optimisation trouve une structure qui le fait, souvent une structure qu’aucun humain n’aurait dessinée », explique le premier auteur de l’étude. Toby Bichercheur à l’Institut Max Planck pour la science de la lumière, a déclaré dans un déclaration. « Ce qui est passionnant, c’est que le même cadre peut effectuer trois tâches très différentes sur la même puce : acheminer la lumière par longueur d’onde, la trier par mode spatial et agir comme des miroirs compacts qui forment des cavités optiques sur la puce. »
Les composants des puces photoniques sont généralement conçus à la main. Les ingénieurs partent d’une conception éprouvée et l’optimisent minutieusement pour de nouveaux paramètres de performances. En plus d’être lente, cette méthode limite la gamme de géométries d’appareils pouvant être explorées.
Pour améliorer davantage leurs composants, l’équipe a également choisi de créer des composants à partir de nitrure de silicium relativement épais – environ 400 à 800 nanomètres d’épaisseur, contre 150 à 400 nanomètres pour le silicium standard – qui gaspille moins de lumière et offre un confinement de longueur d’onde plus fort.
Les miroirs résultants, d’une longueur d’environ 11 µm, réfléchissent jusqu’à 98,5 % de la lumière entrante tout en bloquant les motifs lumineux indésirables. Lorsqu’elle est placée par paires de chaque côté d’un guide d’ondes, la lumière rebondit entre elles plus de 100 fois avant de s’échapper, démontrant les faibles pertes du nitrure de silicium, expliquent les scientifiques.
Le séparateur de longueur d’onde a à peu près la taille d’une seule bactérie (environ 5 µm de diamètre) et le trieur de modes spatiaux est légèrement plus grand.
Les puces conçues par l’IA se rapprochent davantage d’une utilisation dans le monde réel
Bien que les chercheurs aient réussi à démontrer ces composants compacts individuellement, ils ne les ont pas encore combinés en un circuit optique intégré complet. Y parvenir sera la prochaine étape vers la création de puces photoniques entièrement fonctionnelles qui exploitent la densité accrue des composants permise par ces conceptions.
- Les scientifiques ont découvert comment réduire d’énormes lasers ultrarapides pour qu’ils tiennent sur une minuscule puce – le « Saint Graal » du domaine
- Une percée dans les ordinateurs quantiques expérimentaux alimentés par la lumière pourrait signifier que leur mise à l’échelle est désormais beaucoup plus viable
- Le nouveau matériau miracle conçu par AI est aussi léger que la mousse mais aussi résistant que l’acier.
« Ces résultats démontrent la faisabilité de composants photoniques personnalisés compacts, résistants aux erreurs de fabrication et ouvrent la voie à une intégration évolutive et haute performance dans les systèmes photoniques à base de nitrure de silicium », ont écrit les chercheurs dans l’étude.
Ces dernières années, les ingénieurs ont commencé à explorer la manière dont l’IA peut être intégrée dans le pipeline de conception et de fabrication de semi-conducteurs. Dans le passé, les approches basées sur l’IA ont réduit les cycles de conception de semaines en heures tout en réduisant considérablement les coûts de fabrication.
Certains systèmes peuvent même générer des conceptions de puces efficaces à partir d’un Invite de 200 mots. AlphaChip de Google, une méthode d’apprentissage automatique qui conçoit des configurations de puces, a produit plans d’étage « surhumains » qui ont été déployés dans les puces d’IA de production du géant de la technologie.
