Antrean di laboratorium komputasi optik selama ini bukan cuma soal waktu, tetapi juga soal biaya dan efisiensi riset. Peneliti Tiongkok kini menawarkan jalan lain lewat kembaran digital yang bisa meniru perilaku sistem optik nyata dengan akurasi tinggi.
Solusi itu penting karena komputasi optik dipandang sebagai salah satu jawaban saat sistem elektronik mulai kewalahan menghadapi beban kerja AI dan deep learning yang terus membesar. Dengan memanfaatkan interferensi dan difraksi cahaya, pendekatan ini menjanjikan kecepatan lebih tinggi, efisiensi energi yang lebih baik, dan pemrosesan paralel yang kuat.
Bottleneck yang membuat riset tersendat
Masalah terbesar di laboratorium adalah ketergantungan pada perangkat keras fisik yang mahal dan sulit dibagi. Saat beberapa peneliti memakai sistem yang sama, mereka harus bergiliran sebelum bisa mulai menguji tugas baru.
Setelah mendapat akses, proses belum selesai karena sistem masih perlu disetel berulang kali dan dikalibrasi ulang sebelum komputasi berjalan. Begitu satu pengguna selesai, pengguna berikutnya sering harus menata ulang keadaan sistem dari awal, sehingga riset paralel menjadi sangat sulit dilakukan.
Pola menunggu, menyetel, lalu mengkalibrasi ulang itu membuat biaya percobaan naik dan efisiensi turun tajam. Dari masalah inilah lahir pendekatan digital twin atau kembaran digital sebagai alternatif kerja yang lebih lincah.
DT-OCS meniru hardware di dalam perangkat lunak
Para peneliti mengembangkan Digital Twin Optical Computing System atau DT-OCS dan memublikasikannya di Opto-Electronic Advances. Kerangka ini membangun model digital yang mereproduksi respons input-output sistem komputasi optik fisik pada berbagai parameter konfigurasi sepenuhnya di dalam perangkat lunak.
Dengan cara itu, DT-OCS bekerja seperti simulator berakurasi tinggi yang berdampingan dengan mesin fisik. Peneliti bisa menguji dan mengoptimalkan banyak hal tanpa harus terus-menerus menyentuh perangkat keras asli.
Tim riset menguji DT-OCS pada sistem komputasi optik berkecepatan tinggi yang dipasangkan dengan chip komputasi fitur fotonik silikon. Mereka menerapkannya pada tugas klasifikasi gambar dan pengambilan keputusan berurutan untuk melihat apakah model digital benar-benar bisa menggantikan sebagian proses pengujian di dunia nyata.
Parameter yang dilatih di digital bisa langsung dipindahkan
Hasil pengujian menunjukkan parameter konfigurasi yang dilatih dan dioptimalkan di dalam kembaran digital bisa dipindahkan langsung ke sistem fisik tanpa penyesuaian tambahan. Kinerja pada perangkat keras juga cocok erat dengan prediksi model digital, sehingga fidelity dan transferability pendekatan ini sama-sama terkonfirmasi.
Dampaknya besar bagi riset karena pelatihan dan optimasi berlangsung terutama di ranah digital. Peneliti kini dapat mengembangkan beberapa tugas berbeda secara bersamaan tanpa harus mengantre akses ke hardware bersama.
Pendekatan ini juga dibuat terbuka. Tim riset telah merilis kerangka DT-OCS beserta kumpulan data terkait agar peneliti lain bisa melakukan pelatihan dan validasi tanpa perlu menyentuh peralatan fisik.
Mereka menyebut DT-OCS sebagai sumber daya perangkat lunak yang “reproducible, accessible, and scalable” untuk berbagi dan validasi yang lebih luas. Dengan model seperti ini, komputasi optik bergerak ke arah platform riset yang bisa dibagikan dan direproduksi, bukan hanya bergantung pada ketersediaan perangkat.
Arah baru untuk komputasi optik
Para peneliti menilai sistem komputasi optik masa depan sebaiknya memasangkan perangkat keras fisik dengan model digital terbuka yang punya perilaku komputasi setara. Mereka membandingkannya dengan transportasi modern yang bergantung pada jalan fisik sekaligus peta digital yang terus diperbarui.
Analogi itu menekankan satu hal sederhana: teknologi yang matang membutuhkan dua lapisan yang saling melengkapi. Dalam komputasi optik, kombinasi hardware nyata dan kembaran digital bisa menjadi fondasi agar riset bergerak lebih cepat, lebih murah, dan lebih mudah dibagikan ke lebih banyak pihak.
