一個(gè)國(guó)際研究人員團(tuán)隊(duì)開(kāi)發(fā)了一種用于光子處理器的新方法和體系結(jié)構(gòu)，可加快機(jī)器學(xué)習(xí)領(lǐng)域的復(fù)雜數(shù)學(xué)任務(wù)。

越來(lái)越多的AI應(yīng)用程序的出現(xiàn)（例如在自動(dòng)駕駛汽車(chē)，智能城市和語(yǔ)音識(shí)別中）給當(dāng)前的計(jì)算機(jī)處理器帶來(lái)了沉重的負(fù)擔(dān)，無(wú)法滿(mǎn)足需求。

一組科學(xué)家開(kāi)發(fā)了一種解決該問(wèn)題的方法，使用光子（基于光的）處理器將處理和數(shù)據(jù)存儲(chǔ)結(jié)合在單個(gè)芯片上。這些可以通過(guò)并行且更快地處理信息來(lái)超越常規(guī)電子芯片。

明斯特大學(xué)的Wolfram Pernice教授說(shuō)：“用于加速機(jī)器學(xué)習(xí)領(lǐng)域任務(wù)的輕型處理器使復(fù)雜的數(shù)學(xué)任務(wù)能夠以較高的速度和吞吐量進(jìn)行處理。” “這比依靠電子數(shù)據(jù)傳輸?shù)膫鹘y(tǒng)芯片（如圖形卡或?qū)Ｓ糜布ㄈ鏣PU））要快得多。”

科學(xué)家們開(kāi)發(fā)了一種用于矩陣矢量乘法的硬件加速器，矩陣矢量乘法是人工神經(jīng)網(wǎng)絡(luò)的骨干：受到通常用于處理圖像或音頻數(shù)據(jù)的生物大腦的松動(dòng)啟發(fā)的網(wǎng)絡(luò)。由于不同波長(zhǎng)的光不會(huì)干涉，因此它們能夠使用多個(gè)波長(zhǎng)進(jìn)行并行計(jì)算（多路復(fù)用），這為光子處理器打開(kāi)了大門(mén)，光子處理器具有更高的數(shù)據(jù)速率和每單位面積更多的操作。

但是，要抓住這個(gè)機(jī)會(huì)，就需要使用另一種技術(shù)作為光源：EPFL開(kāi)發(fā)的基于芯片的“頻率梳”。

EPFL的教授Tobias Kippenberg說(shuō)：“我們的研究是第一個(gè)將頻率梳應(yīng)用于人工神經(jīng)網(wǎng)絡(luò)領(lǐng)域的研究。” 肯彭貝格（Kippenberg）的工作開(kāi)創(chuàng)了頻率梳的開(kāi)發(fā)領(lǐng)域，它提供了可以在同一光子芯片內(nèi)獨(dú)立處理的多種波長(zhǎng)。

研究人員還選擇將光子結(jié)構(gòu)與相變材料結(jié)合起來(lái)作為節(jié)能存儲(chǔ)元件。這樣就可以在不需要能源的情況下存儲(chǔ)和保存矩陣元素。

制造光子芯片后，研究人員在神經(jīng)網(wǎng)絡(luò)上對(duì)其進(jìn)行了測(cè)試，以識(shí)別手寫(xiě)數(shù)字。研究人員認(rèn)為，輸入數(shù)據(jù)與一個(gè)或多個(gè)過(guò)濾器（可以識(shí)別例如圖像的邊緣）之間的操作非常適合其矩陣體系結(jié)構(gòu)，從而使研究人員可以達(dá)到前所未有的計(jì)算密度。

牛津大學(xué)的Johannes Feldman博士是該研究的主要作者，他解釋說(shuō)：“利用光進(jìn)行信號(hào)傳輸使處理器能夠通過(guò)波長(zhǎng)多路復(fù)用執(zhí)行并行數(shù)據(jù)處理，這導(dǎo)致更高的計(jì)算密度和僅需執(zhí)行許多矩陣乘法即可。一個(gè)時(shí)間步。與通常在低GHz范圍內(nèi)工作的傳統(tǒng)電子產(chǎn)品相比，光調(diào)制速度可以達(dá)到50至100GHz范圍。”

這項(xiàng)研究發(fā)表在本周的某媒體雜志上，具有極為廣泛的應(yīng)用。這可能包括更高的AI應(yīng)用程序數(shù)據(jù)同步處理；更大的神經(jīng)網(wǎng)絡(luò)，可提供更準(zhǔn)確的預(yù)測(cè)和精確的數(shù)據(jù)分析；大量的臨床數(shù)據(jù)有助于診斷；更快速地評(píng)估自動(dòng)駕駛汽車(chē)中的傳感器數(shù)據(jù)，并擴(kuò)展云計(jì)算基礎(chǔ)架構(gòu)。
責(zé)任編輯：YYX