??新智元報道??

來源：Nature

編輯：keyu

【新智元導讀】面對海量的數據，硬件設備是否能跟上，是當今挑戰(zhàn)AI發(fā)展的一個巨大問題。而本周發(fā)表在《Nature》上的研究結果，證明了將光子結構用于AI是可行的，并具有不可忽視的潛力。使用光學原理，設備可以可以快速，并行地處理信息，而這是當今電子芯片無法做到的。

當今時代，人工智能正在對各種領域產生巨大的影響，如臨床診斷、自動駕駛和語音翻譯。

然而，無論是在計算速度還是功耗方面，現代社會快速增長的數據量都對其電子計算硬件提出了巨大的挑戰(zhàn)。

而這些問題，已經成為人工智能的主要瓶頸。

而近日，《自然》雜志上刊登的一篇文章中給出了未來可能的解決方案：

光子處理器可以通過利用光的獨特特性，來加速人工智能的處理過程。

從更深遠的角度來講，這可能會激發(fā)光學計算的復興。

傳統(tǒng)計算逐漸臨界極限，光子計算起步艱難

隨著人工智能的崛起，傳統(tǒng)的電子計算方法正逐漸達到其性能極限，大大滯后于可處理數據的快速增長。

在各種類型的人工智能中，人工神經網絡因其優(yōu)異的性能而被廣泛應用于人工智能任務中。

這些網絡使用多層相互連接的人工神經元進行復雜的數學運算。

為了加速人工神經網絡的處理，人們作出了各種努力來設計和實現特定的電子計算系統(tǒng)。

特別值得一提的是，在專用集成電路、大腦靈感計算和內存計算等定制芯片的應用上，這些努力已經取得了相當大的成功，這些芯片通過一系列稱為記憶電阻器的內存設備就地進行處理。

在電子計算中，電子是信息的載體，但光子一直被認為是另一種選擇。

由于光譜覆蓋的波長范圍很廣，許多不同波長的光子可以同時復用(平行傳輸)和調制(改變方式使它們可以攜帶信息)，而不會使光信號相互干擾。這種信息以光速傳播可以具有最小的時間延遲。

此外，無源傳輸(不需要輸入功率)有助于超低功耗，而相位調制(光波的量子力學相位變化)使光在頻率大于40千兆赫時易于調制和檢測。

在過去的幾十年里，光纖通信取得了巨大的成功。然而，使用光子進行計算仍然具有挑戰(zhàn)性，特別是與最先進的電子處理器相比，在規(guī)模和性能水平上并不能達到最理想的效果。

這一困難主要來自于缺乏允許人工神經元的高速非線性(復雜)響應，以及可擴展的光子器件來集成到計算硬件的合適的并行計算機制和材料。

光頻梳成為“救世主”，速度超群

幸運的是，過去幾年中，被稱為光頻梳（optical frequency combs）的設備的發(fā)展，為集成光子處理器帶來了新的機會。

光學頻率梳是一組具有發(fā)射光譜的光源，它由數千條或數百萬條頻率均勻且緊密間隔的銳利譜線組成。

這些器件在光譜學、光學時鐘計量和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。

光頻率梳可以集成到計算機芯片中，作為光計算的高效能源，該系統(tǒng)非常適合采用波長復用技術進行數據并行處理。

Xu和他的同事們利用這樣的裝置，生產出了多功能集成光子處理器。這個設備執(zhí)行一種矩陣-向量乘法，我們可以將其稱為應用在圖像處理上的卷積。

這是一種可以實現卷積的巧妙的方法：

他們首先使用了色散（即透射光的速度取決于其波長）來為波長復用的光信號產生不同的時間延遲。然后，他們沿著與光的波長相關的維度組合這些信號。

通過充分利用光子波長的廣泛范圍，Xu等人實現了不同卷積運算的內在并行計算。

光計算的速度超過了10萬億次/秒（單核），并且僅僅受到數據吞吐量的限制。

這項工作的另一個值得歡迎的特點是，作者確定了他們的光子卷積處理器在實際應用中的用處。

特別地，他們建議處理器可以用于混合光電子框架，例如在光纖通信中的實時計算中。

該論文的主要作者之一費爾德曼和他的同事們獨立研制了一個集成光子處理器，它可以執(zhí)行跨越二維空間的光信號卷積。

該設備在一種基于相變材料(一種可以在非晶相和晶體相之間切換的材料)的“內存”計算架構中使用光頻率梳。

作者通過波長復用對輸入數據進行了充分的并行處理，并利用相變材料的集成單元陣列進行了類似的矩陣向量乘法運算。

這樣是一個高度并行化的框架，可以在單個步驟中高速處理整個圖像。

此外，理論上，在不久的將來，通過商業(yè)制造和對實例機器學習的輔助，該系統(tǒng)可以得到持續(xù)的大幅擴展。

由于卷積過程涉及到無源傳輸，理論上，光子處理核心的計算能夠以光速和低功耗進行。這種能力對于能源密集型應用程序(如云計算)非常有價值。

跨學科合作必不可少，全光計算征途依舊漫漫

考慮到傳統(tǒng)電子計算方法面臨的挑戰(zhàn)，集成光子學的出現是令人興奮的，它作為一個潛在的“接班人”，為未來的計算架構實現前所未有的性能。

然而，如果需要建造一個實用的光學計算機，那么廣泛的跨學科交互的嘗試，以及材料科學、光子學、電子學等領域的研究人員之間的合作是必不可少的。

盡管目前呈現出來的光子處理器具有較高的單位面積計算能力和潛在的可擴展性，但全光計算規(guī)模(光學人工神經元的數量)仍然很小。

此外，由于存在固有的吸收光的計算元件，以及光電信號經常需要轉換這一事實，實際情況下的能源效率其實是受到限制的。

對于光子計算，這里還存在另外一條研究方向：

研究者可以發(fā)展先進的非線性集成光子計算架構，而不是單一或二維的線性卷積。

通過將電子電路和數千或數百萬光子處理器集成到合適的架構中，一種利用光子和電子處理器的混合光電框架的出現，可能在不久的將來給人工智能硬件帶來革命性的變化。

這些硬件將在通信、數據中心操作和云計算等領域有重要的應用。

參考鏈接：

https://www.nature.com/articles/d41586-020-03572-y

用光速加速AI？Nature最新研究，打破你的“次元壁”！

??新智元報道??

傳統(tǒng)計算逐漸臨界極限，光子計算起步艱難

光頻梳成為“救世主”，速度超群

跨學科合作必不可少，全光計算征途依舊漫漫

用光速加速AI？Nature最新研究，打破你的“次元壁”！

傳統(tǒng)計算逐漸臨界極限，光子計算起步艱難

光頻梳成為“救世主”，速度超群