The End of the Electrical Computing Era! How Photonic Computers Are Revolutionizing the Future of Computing ⚡➡️🔦

අපි හැමෝම දන්නවා අපේ අතේ තියෙන ස්මාර්ට්ෆෝන් එකේ ඉඳන් ලෝකේ තියෙන දැවැන්තම Supercomputers වෙනකම් හැමදේම දුවන්නේ "විදුලියෙන්" (Electricity) කියලා. හරියටම කිව්වොත් Processor එක ඇතුලේ තියෙන බිලියන ගණනක් ට්‍රාන්සිස්ටර් (Transistors) හරහා ඉලෙක්ට්‍රෝන (Electrons) එහාට මෙහාට ගමන් කිරීමෙන් තමයි 0 සහ 1 කියන Binary දත්ත හැදෙන්නේ.

නමුත් අද වෙද්දී මේ සිලිකන් සහ ඉලෙක්ට්‍රෝන මත පදනම් වුණු පරිගණක තාක්ෂණය එයාගේ උපරිම භෞතික සීමාවට (Dead End) ඇවිල්ලා ඉවරයි. අන්න ඒ නිසා, ලෝකයේ ප්‍රමුඛ පෙළේ විද්‍යාඥයින් විදුලිය වෙනුවට, ආලෝකය (Light/Photons) පාවිච්චි කරලා ගණනය කිරීම් කරන අතිශය විශ්මිත තාක්ෂණයක් මේ වෙද්දී රහසිගතව දියුණු කරගෙන යනවා. ඒකට තමයි Photonic Computing කියලා කියන්නේ!

අද KP Tech Gear අපි, ලංකාවේ කිසිම කෙනෙක් තාම කතා නොකරපු, හැබැයි ඉදිරි දශකය ඇතුළත මුළු Computer Science ෆීල්ඩ් එකම උඩුයටිකුරු කරන්න යන මේ "ආලෝක පරිගණක" ගැන, ඒකේ Physics වල ඉඳන් Architecture එක වෙනකම්ම පතුලටම බැහැලා සම්පූර්ණ පෝස්ට්මෝටම් එකක් කරන්නයි යන්නේ. සූදානම් වෙන්න අනාගතයට යන්න!

💀 1. සිලිකන් යුගයේ මරණය: ඇයි ඉලෙක්ට්‍රෝන ෆේල් වෙන්නේ?

Photonic Computing ගැන තේරුම් ගන්න කලින්, අපි දැනගන්න ඕනේ ඇයි අපි අලුත් තාක්ෂණයක් හොයන්නේ කියලා. ඉලෙක්ට්‍රොනික පරිගණක මේ වෙද්දී "Wall" (තාප්ප) කීපයක හැප්පිලයි තියෙන්නේ.

1. Moore's Law & Dennard Scaling මියයාම:
අවුරුදු 2කට සැරයක් Chip එකක ට්‍රාන්සිස්ටර් ගාණ දෙගුණ වෙනවා කියන Moore's Law එක දැන් වලංගු නෑ. ඒ වගේම ට්‍රාන්සිස්ටර් කුඩා වෙද්දී ඒවගේ Power Density එක අඩු වෙන්න ඕනේ කියන Dennard Scaling නියමයත් 2006 දී විතර බිඳ වැටුණා. දැන් චිප්ස් කුඩා වෙන්න වෙන්න ඒවා රත් වෙනවා වැඩියි. මේකට අපි කියනවා Dark Silicon ප්‍රශ්නය කියලා. (චිප් එක උණුවෙන එක නවත්තන්න, චිප් එකේ සමහර කොටස් Off කරලා තියන්න වෙලා තියෙනවා).

2. The Power Wall & Heat (තාපය):
ඉලෙක්ට්‍රෝන කියන්නේ ස්කන්ධයක් (Mass) තියෙන අංශුවක්. මේවා ගමන් කරද්දී ඝර්ෂණයට (Resistance) ලක්වෙලා අතිවිශාල තාපයක් පිටවෙනවා. අද තියෙන NVIDIA H100 වගේ AI Chip එකක් Watt 700 කට වඩා අදිනවා!

3. The Memory Wall & Bandwidth Wall:
Processor එක කොච්චර වේගවත් වුණත් වැඩක් නෑ, RAM එකෙන් Data ගේන්න පරක්කු වෙනවා නම්. Copper wires හරහා යවන්න පුළුවන් Data ප්‍රමාණය (Bandwidth එක) සීමිතයි. මේකට කියන්නේ RC Delay කියලා.

⏳ 2. Photonic Computing වල ඉතිහාසය (The Timeline)

මේක එකපාරටම ඊයේ පෙරේදා අහසින් කඩාපාත් වුණු තාක්ෂණයක් නෙවෙයි. මේක පිටුපස දශක ගණනාවක පර්යේෂණ තියෙනවා.

• 1969: Bell Labs විසින් ලෝකයේ ප්‍රථම වතාවට ආලෝකයෙන් වැඩ කරන Optical Logic Gate එකක් ගැන සංකල්පය ඉදිරිපත් කළා.
• 1990s: MIT සහ IBM ආයතන විසින් Fiber Optics හරහා දත්ත යැවීම Data Centers වලට හඳුන්වා දුන්නා.
• 2004: Intel සමාගම සිලිකන් මත ආලෝකය හසුරුවන්න පුළුවන් (Silicon Photonics) පළමු පර්යේෂණ පත්‍රිකාව එළිදැක්වුවා.
• 2015: MIT විශ්වවිද්‍යාලයේ පර්යේෂකයින් Ayar Labs සහ Lightmatter වගේ අතිවිශාල පෙරළියක් කරන Startups ආරම්භ කළා.
• 2021+: Lightmatter විසින් ලෝකයේ පළමු සම්පූර්ණ Photonic AI Accelerator චිප් එක වන Envise එළිදක්වනවා.

⚖️ 3. ඉලෙක්ට්‍රෝන සහ ෆෝටෝන සටන (Electron vs Photon)

ඇයි ආලෝකය මෙච්චර විශේෂ? මෙන්න මේ සංසන්දනාත්මක වගුව (Comparison Table) බැලුවම ඔයාට තේරෙයි Photonic Computing කියන්නේ කොච්චර සුපිරි දෙයක්ද කියලා.

Feature (ලක්ෂණය)	Electronic Computing (දැනට)	Photonic Computing (අනාගතය)
Speed (වේගය)	ඝර්ෂණය නිසා සීමිතයි (Clock speed stuck around 5-6GHz)	ආලෝකයේ වේගය ($c \approx 3 \times 10^8$ m/s)
Heat (තාපය පිටවීම)	ඉතා ඉහළයි (Mass & Resistance නිසා)	ශුන්‍යයට ආසන්නයි (Zero Rest Mass)
Bandwidth	එක වයර් එකක එක සිග්නල් එකයි (Crosstalk වෙනවා)	WDM තාක්ෂණයෙන් වර්ණ 1000+ එකපාර යවන්න පුළුවන්
Resistance (ප්‍රතිරෝධය)	ඔව්, RC Delay එකට මුහුණ දෙන්න වෙනවා	නැත, සම්පූර්ණයෙන්ම Passive ක්‍රියාවලියකි
AI Training Energy	මෙගාවොට් ගණන් වැය වේ (NVIDIA GPU Clusters)	90% කටත් වඩා බලශක්තිය ඉතිරි කරයි

📐 4. ආලෝක පරිගණක පිටුපස ඇති භෞතික විද්‍යාව සහ ගණිතය

අපි දැන් යන්නේ පොඩ්ඩක් Deep Science පැත්තට. ආලෝකය පාලනය කරන්න පාවිච්චි කරන මූලික නියමයන් කිහිපයක් තියෙනවා.

1. Maxwell’s Equations & Wave Equation

ආලෝකය කියන්නේ විද්‍යුත් චුම්භක තරංගයක්. මේක චිප් එකක් ඇතුලේ ගමන් කරන විදිය තීරණය කරන්නේ මැක්ස්වෙල්ගේ සමීකරණ වලින්. ආලෝකයේ තරංග සමීකරණය (Wave Equation) අපිට මෙහෙම ලියන්න පුළුවන්:

$$ \nabla^2 \mathbf{E} = \mu \epsilon \frac{\partial^2 \mathbf{E}}{\partial t^2} $$

2. Snell's Law සහ Total Internal Reflection (TIR)

ආලෝකය වයර් එකක් (Waveguide) ඇතුලේ එළියට පනින්නේ නැතුව ගමන් කරන්නේ කොහොමද? ඒකට පාවිච්චි කරන්නේ පූර්ණ අභ්‍යන්තර පරාවර්තනයයි. ඒක තීරණය වෙන්නේ වර්තනාංකය (Refractive Index - $n$) මතයි. ස්නෙල්ගේ නියමය මෙහෙමයි:

$$ n_1 \sin(\theta_1) = n_2 \sin(\theta_2) $$

3. Interference (මැදිහත්වීම)

ආලෝක කිරණ දෙකක් එකට හැප්පෙනකොට ඒවා එකතුවෙලා ලොකු වෙනවද, නැත්නම් කැපිලා ගිහින් කළුවර වෙනවද කියන එක තීරණය වෙන්නේ තරංග දෙකේ Phase (කලාව) මතයි. මේකට අදාළ තීව්‍රතා සමීකරණය:

$$ I = I_1 + I_2 + 2\sqrt{I_1 I_2}\cos(\Delta\phi) $$

🧪 5. Silicon Photonics: දෘඩාංග හදන්නේ මොනවායින්ද?

සාමාන්‍ය Motherboard එකක් වගේ නෙවෙයි, PIC (Photonic Integrated Circuit) එකක් හදන්න වෙනම Material Science එකක් ඕනේ. මේකෙදි CMOS Compatibility (දැනට තියෙන සිලිකන් කර්මාන්තශාලා වලම මේවා හදන්න පුළුවන් වීම) ගොඩක් වැදගත්.

• SOI Wafers (Silicon-On-Insulator): ආලෝකය ගමන් කරන Waveguides හදන්නේ සිලිකන් වලින්. ඒකට යටින් Silica (Silicon Dioxide) තට්ටුවක් දානවා ආලෝකය යටට කාන්දු වෙන එක වළක්වන්න.
• III-V Materials (Indium Phosphide - InP): සිලිකන් වලට ආලෝකය නිපදවන්න බෑ. ඒ නිසා ලේසර් (Laser Source) එක හදන්න InP වගේ සංයෝග පාවිච්චි කරනවා.
• Lithium Niobate ($LiNbO_3$): ආලෝකයේ වේගය පාලනය කරන Modulators හදන්න මේක පාවිච්චි කරනවා.

🧠 6. MZI: ආලෝකයෙන් වැඩ කරන ට්‍රාන්සිස්ටරය

Photonic Computing වල හදවත තමයි Mach-Zehnder Interferometer (MZI) කියන්නේ. මේකෙන් තමයි ආලෝකය පාවිච්චි කරලා 0 සහ 1 හදන්නේ, ඒ වගේම ගණන් හදන්නේ.

Laser Input (1)
│
├─── 50/50 Splitter (දෙකට කැඩීම) ───┐
│ │
Arm A (Phase = 0) Arm B + Phase Shifter (Δϕ)
│ │
└─── Combiner (නැවත එකතු වීම) ───┘
│
Output Detector (0 or 1)

මෙතනදී අපි ආලෝකයේ කලාව (Phase Shift - $\Delta\phi$) වෙනස් කරන්න Complex Numbers (සංකීර්ණ සංඛ්‍යා) සහ Transfer Matrix ගණිතය පාවිච්චි කරනවා. MZI එකක ගණිතමය ආකෘතිය:

$$ \begin{pmatrix} E_{out,1} \\ E_{out,2} \end{pmatrix} = \frac{1}{2} \begin{pmatrix} 1 & i \\ i & 1 \end{pmatrix} \begin{pmatrix} e^{i\phi_1} & 0 \\ 0 & e^{i\phi_2} \end{pmatrix} \begin{pmatrix} 1 & i \\ i & 1 \end{pmatrix} \begin{pmatrix} E_{in,1} \\ E_{in,2} \end{pmatrix} $$

💻 7. Python වලින් ආලෝකය Simulate කරමු!

අපි Software Engineers ලා විදියට මේ සංකීර්ණ Matrix Math එක Python Code එකකට නගලා බලමු numpy සහ matplotlib පාවිච්චි කරලා, ආලෝකයේ Interference කොහොමද Output එකක් දෙන්නේ කියලා.

# KP Tech Gear - Photonic MZI Simulation (Transfer Matrix Method)
import numpy as np
import matplotlib.pyplot as plt

def mzi_output(phase_shift):
    # Phase shift into radians
    phi = np.deg2rad(phase_shift)
    
    # 50/50 Beam Splitter Matrix (Matrix Multiplication)
    bs_matrix = (1 / np.sqrt(2)) * np.array([[1, 1j], [1j, 1]])
    
    # Phase Shifter Matrix
    ps_matrix = np.array([[np.exp(1j * phi), 0], [0, 1]])
    
    # Input Light (100% on Port 1, 0% on Port 2)
    input_field = np.array([1, 0])
    
    # Transfer Function: Output = BS * PS * BS * Input
    step1 = np.dot(bs_matrix, input_field)
    step2 = np.dot(ps_matrix, step1)
    output_field = np.dot(bs_matrix, step2)
    
    # Calculate Intensity (Absolute squared)
    intensity_1 = np.abs(output_field[0])**2
    return intensity_1

# Test the MZI from 0 to 360 degrees
phases = np.linspace(0, 360, 100)
outputs = [mzi_output(p) for p in phases]
print(f"Output at 0 deg: {mzi_output(0):.2f} (ON/1)")
print(f"Output at 180 deg: {mzi_output(180):.2f} (OFF/0)")

🔌 8. Optical Logic Gates සහ Optical Memory

ආලෝකයෙන් 0 සහ 1 හදාගත්තට පස්සේ ඊළඟ අභියෝගය තමයි Memory (මතකය) සහ Logic (තර්කය) ගොඩනැගීම.

• Optical Logic Gates: ඉහත MZI ව්‍යූහයන් කීපයක් එකතු කරලා අපිට AND, OR, XOR සහ NAND වගේ Gates හදන්න පුළුවන්.
• Optical Memory: විදුලිය නැතුව ආලෝකය ගබඩා කරගන්න එක අමාරුයි. මේකට දැන් පර්යේෂකයින් Phase Change Memory (PCM) සහ Memristors පාවිච්චි කරනවා. ආලෝකය වැදුනම අදාළ ද්‍රව්‍යයේ ස්ඵටික ව්‍යුහය (Crystalline to Amorphous) වෙනස් වීමෙන් දත්ත ලියවෙනවා. Photonic RAM එන්න තව කල් යයි!

🚀 9. AI Revolution එකට ආලෝකයේ දායකත්වය

අද ChatGPT, Gemini වගේ දැවැන්ත LLM (Large Language Models) දුවන්නේ Transformer Architecture එක උඩ. මේකෙදි Attention Mechanism එකට අතිවිශාල Tensor / Matrix Multiplication (න්‍යාස ගුණිත) කරන්න වෙනවා. මේකට කියන්නේ MAC (Multiply-Accumulate) operations කියලා.

⚡ AI + Photonics (Photonic AI):
GPU (Graphics Processing Unit) එකකට මේ ගණන් හදන්න Memory එකෙන් Data අදින්න වෙනවා (Memory bottleneck / HBM NVLink issues). හැබැයි Photonic Computer එකක MZI දැලක් (Mesh) හරහා ලේසර් කිරණ යවද්දී, ආලෝකය ගමන් කරන තත්පරේම න්‍යාස ගුණිතය ස්වභාවිකවම (Passive Inference) සිද්ධ වෙනවා. මේ හරහා AI Token Generation වේගය දහස් ගුණයකින් වැඩි කරන්න පුළුවන්!

🏢 10. කවුද මේවා හදන්නේ? (Leading Companies)

මේක තවදුරටත් රසායනාගාර වලට කොටු වුණු දෙයක් නෙවෙයි. දැවැන්ත සමාගම් රැසක් මේ වෙනුවෙන් බිලියන ගණන් ආයෝජනය කරනවා.

• Lightmatter: Passage තාක්ෂණය හරහා චිප්ස් 40ක් ආලෝකයෙන් සම්බන්ධ කරන සුපිරි AI ත්වරණක (Accelerators) හදනවා.
• Ayar Labs: "TeraPHY" කියන Optical I/O චිප් එක හරහා CPU අතර දත්ත හුවමාරුව ආලෝකයේ වේගයට අරන් ඇවිත්.
• Intel & IBM: දශක ගණනාවක ඉඳන් Silicon Photonics වල රජවරු.
• Celestial AI & Lightelligence: AI workloads ඉලක්ක කරගෙනම Photonic Chips නිපදවන ප්‍රබල Startups.
• Google, Microsoft, OpenAI: තමන්ගේ Data Centers වලට මේ චිප්ස් යොදාගන්න දැනටමත් ගිවිසුම් ගහලා ඉවරයි.

📊 Benchmark: Electronic vs Photonic (Expected)

Metric	Top-Tier Electronic GPU (e.g., H100)	Photonic AI Accelerator
Power Consumption	~400W - 700W	~40W - 60W (90% Energy Saving)
Latency (ප්‍රමාදය)	Nanoseconds (ns)	Picoseconds (ps) / Zero-latency in core
Clock Speed	~3 GHz	100+ GHz (Driven by laser modulation)

🔮 11. අනාගත ගමන්මග (The Roadmap: 2030 - 2045)

• 2026 - 2030: AI Inference සඳහා Data Centers වල Photonic Coprocessors බහුලව භාවිතයට පැමිණේ.
• 2035: Photonic Memory (Optical RAM) ප්‍රායෝගික මට්ටමට සංවර්ධනය වීම.
• 2040: සාමාන්‍ය පාරිභෝගික පරිගණක (PCs/Laptops) වල Hybrid Optical-Silicon Chips භාවිතය ඇරඹීම.
• 2045+: සම්පූර්ණයෙන්ම ආලෝකයෙන් පමණක් ක්‍රියාත්මක වන (All-Optical) සුපිරි පරිගණක බිහිවීම.

💡 KP Tech Gear Conclusion (අවසාන නිගමනය):

ඔයා අද පාවිච්චි කරන ලැප්ටොප් එක ඇතුලේ ලේසර් කිරණ දුවන Photonic Processor එකක් තව අවුරුදු 2-3 කින් එන එකක් නෑ, මොකද Analog-to-Digital (ADC/DAC) Bottleneck එක වගේ ප්‍රායෝගික අභියෝග තාම තියෙනවා. හැබැයි ඊළඟ අවුරුදු 5-10 ඇතුළත, ලෝකයේ දැවැන්තම AI Models ඔක්කොම රන් වෙන්නේ මේ "ආලෝක පරිගණක" හරහායි. ඒ හරහා AI වල බුද්ධිය බිලියන ගුණයකින් වැඩි වෙයි, ඒ වගේම ගෝලීය උණුසුම වැඩි කරන විදුලි නාස්තියත් 90% කින් විතර අඩු වෙයි.

📚 References & Further Reading:
1. Nature Photonics Journals on Optical Computing.
2. IEEE Xplore: Silicon Photonics and Mach-Zehnder Interferometer architectures.
3. MIT News & Research Papers on Deep Learning with Coherent Nanophotonic Circuits.
4. Lightmatter & Ayar Labs Official Whitepapers.

ඉතින් මචං, විදුලිය වෙනුවට ලේසර් කිරණ වලින් වැඩ කරන මේ Photonic Computers ගැන ඔයා මොකද හිතන්නේ? ආලෝකයේ වේගය පරද්දන්න තව මොනවා හරි දේවල් අනාගතයේදී හොයාගනීවිද? 🤯

ලංකාවේ කවුරුත් කතා නොකරන මේ වගේ Next-Level Tech Articles තව ඕනේ නම්, පල්ලෙහායින් ඔයාගේ අදහස කමෙන්ට් කරන්න. යාළුවන්ටත් ශෙයා කරලා KP Tech Gear එක්ක දිගටම සෙට් වෙලා ඉන්න. ජය වේවා! 👇