新型光芯片可执行深度神经网络关键计算

12月2日发表在《自然·光子学》杂志上的新型论文称，美国麻省理工学院科学家开发出一种全集成光芯片。光芯关键它能以光学方式执行深度神经网络所需的执行所有关键计算，为制造能实时学习的深度神经高速处理器打开了大门。

这种新型光芯片能够在不到半纳秒的网络时间内，完成机器学习分类任务的计算关键计算，性能与传统硬件相当。新型该芯片由相互连接的光芯关键模块组成，形成一个光学神经网络，执行并采用商业代工工艺制造，深度神经这有助于技术的网络扩展和与电子产品集成。

深度神经网络由多层相互连接的计算节点组成，执行线性和非线性操作以处理复杂数据。新型其中，光芯关键非线性运算（如激活函数）使深度神经网络能够解决复杂问题。执行2017年，麻省理工学院恩格伦德小组与马林·索尔贾契奇实验室合作，在光芯片上演示了能执行矩阵乘法的光学神经网络，但这种设计无法在芯片上直接进行非线性操作。设计的难题在于，触发光学非线性非常耗电。

后来，研究团队开发了一种非线性光学功能单元（NOFU），克服了这一挑战。他们通过结合电子学和光学技术，在芯片上实现了非线性操作，从而实现在光芯片上构建光学深度神经网络。其中，神经网络参数编码作为光信号，通过可编程分光镜阵列进行矩阵乘法，再由NOFU实现非线性功能，无需外部放大器，能耗极低。

该光芯片在训练测试中准确率超96%，推理准确率超92%，且执行关键计算时间不到半纳秒。整个电路采用与制造CMOS芯片相同的基础设施和工艺，有利于大规模生产和降低制造误差。这一研究为在光芯片上高效训练深度神经网络提供了可能。

从长远来看，光芯片有望实现更快、更节能的深度学习，适用于激光雷达、天文学和粒子物理学等领域的研究或高速电信等计算要求高的应用。