當今社會，人工智能正在改變臨床診斷、自動駕駛、語音翻譯等各個領域。但是，數據量的快速增長給AI中使用的電子計算硬件帶來了巨大的挑戰(zhàn)，計算速度和功耗問題已成為人工智能的主要瓶頸。Xu等人和Feldmann等人的兩篇論文報告了一種通過利用光的獨特屬性來加速AI處理的光子處理器。這些報告引發(fā)了光學計算的復興。
隨著人工智能的興起，傳統(tǒng)的電子計算方式逐漸達到其性能極限，遠遠落后于可處理數據的快速增長。在各種類型的AI中，神經網絡由于其出色的表現而被廣泛用于AI任務中。這些網絡使用多層相互連接的人工神經元執(zhí)行復雜的數學運算，其中占用了大多數計算資源的基本運算是矩陣向量乘法。
研究人員進行了各種努力來設計和實現特定的電子計算系統(tǒng)，以加速人工神經網絡中的計算。尤其是專用集成電路、腦啟發(fā)計算和內存內計算（使用稱為憶阻器的一組存儲設備在原位執(zhí)行計算）等定制芯片的使用已經取得了相當大的成功。
雖然在電子計算中信息的載體是電子，但是光子長期以來一直被視為一種可行的替代方案。由于光譜涵蓋的波長范圍更加廣泛，許多不同波長的光可以同時進行多路復用（并行傳輸）和調制（改變得可以攜帶信息），而不會相互干擾光信號。此外，信息以光速傳播會使時間延遲達到最小，無源傳輸（不需要輸入功率）有助于超低功耗，并且相位調制（用來改變光波的量子力學相位）使光可以輕易地在大于40 GHz的頻率下調制和檢測。
在過去的幾十年里，光纖通信取得了巨大的成功。但是，利用光子進行計算仍然具有挑戰(zhàn)性，尤其是在與先進的電子處理器相當的規(guī)模和性能水平上。其困難來源于缺乏合適的并行計算機制、允許人工神經元進行復雜的高速非線性響應的材料以及可集成到計算硬件中的可擴展光子設備。
幸運的是，過去幾年中一種被稱為光學頻率梳的設備的發(fā)展為集成光子處理器帶來了新的機遇。光學頻率梳是一種具有發(fā)射光譜的光源，其頻譜由成千上萬條離散的、等距的頻率線組成。這種設備在光譜學、光學時鐘計量學、電信等各個領域都取得了巨大的成功，并獲得了2005年諾貝爾物理學獎。光學頻率梳可以被用作光學計算的節(jié)能電源集成到計算機芯片中，并且該系統(tǒng)非常適合通過波長復用進行數據并行化處理。
Xu及其同事就是使用這種設備來制造通用的集成光子處理器，該設備用來執(zhí)行一種相當于圖像處理中的卷積的矩陣向量乘法。Xu和他的團隊使用了一種巧妙的方法來實現卷積：首先用色散讓波長復用的光信號產生不同的時間延遲（光的傳輸速度取決于其波長），然后沿著與光的波長相關的維度組合這些信號。
通過充分利用大范圍的光子波長，Xu和他的團隊實現了本質上是不同卷積運算的并行計算。使用單個處理內核的光計算速度超過 10 萬億次/秒，并且僅受數據吞吐量的限制。這項工作值得肯定的另一點是，他們還確定了其光子卷積處理器在實際應用中的切入點。他們建議處理器在光電子混合框架中使用，如在光纖通信過程中進行原位計算。
用于矩陣向量乘法的處理器的示意圖
Feldmann和他的同事也獨立地制造出一個集成光子處理器，該處理器可執(zhí)行涉及跨越二維光信號的卷積。該設備在基于相變材料（可以在非晶相和結晶相之間切換的材料）的內存內計算架構中使用了光學頻率梳。他們通過波長復用和使用相變材料集成的單元陣列模擬矩陣向量乘法，對輸入數據進行了完全并行化處理。
這種高度并行化的框架具有在單個步驟中高速處理整個圖像的潛力。此外，原則上來說，該系統(tǒng)可以按照商業(yè)制造規(guī)程進行大規(guī)模擴展，并有助于在不久的將來實現實時的機器學習。由于該卷積過程涉及無源傳輸，因此理論上光子處理器可以以光速和低功耗執(zhí)行計算。對于像云計算這種能源密集型應用而言，這種能力是非常有價值的。
鑒于傳統(tǒng)電子計算方式面臨諸多挑戰(zhàn)，集成光子技術的出現或許能成為實現未來計算架構性能大幅提升的潛在繼任者。但是，構建實用的光學計算機將需要材料科學、光學、電子學等領域的研究人員共同努力，加強跨學科合作。盡管報道的光子處理器具有較高的單位面積計算能力和潛在的可延展性，但是完全光計算的規(guī)模（光學人工神經元的數量）仍然很小。并且，能量效率受到固有地吸收光的計算元件以及電信號和光信號需要頻繁相互轉換的限制。
另一個研究路徑是開發(fā)高等非線性集成光子計算體系結構，而不是一維或二維線性卷積。通過將電子電路和數千或數百萬個光子處理器集成到合適的體系結構中，同時利用光子和電子處理器的混合光電框架可以在不久的將來革新AI硬件的發(fā)展。這樣的硬件將在通信、大數據和云計算等領域具有重要的應用。
加入收藏
微信公眾號
計量資訊速遞
