MIT开发全集成光子处理器

coffee198375

如今，深度神经网络模型的规模和复杂性与日俱增，在为高强度机器学习应用提供强大支撑的同时也使传统电子计算硬件的性能面临挑战。

相较之下，光子硬件通过光进行机器学习计算，比传统计算方案更快、更节能。然而，由于某些类型的神经网络计算无法通过光子设备完成，目前仍需要借助芯片外的电子元件或其他方法，导致其速度和能效受限。

经过十多年的研究，MIT 及其他机构的科学家成功突破了这一瓶颈，研发出一款全新的光子芯片，这是一种完全集成的光子处理器，能够在芯片上通过光学方式完成深度神经网络的所有关键计算。

该光学设备在实行机器学习分类任务时，用时不到半纳秒，准确率超过 92%，性能媲美传统硬件。此外，该芯片由多个互联模块组成，形成了一个光学神经网络，并通过商业代工制造，有助于技术的规模化推广和电子设备的整合。

从长远来看，这款光子处理器有望为激光雷达、天文与粒子物理领域的科学研究，以及高速通信等高计算需求的应用带来更快速、更高效的深度学习能力。

“在许多场景中，不仅模型的性能重要，计算的速度同样关键。现在，大家有了一个端到端的系统，能够以纳秒级的时间运行神经网络光学计算，为大家在更高层次上思考应用和算法提供了全新的可能性。”这项研究的主导者 Saumil Bandyopadhyay 表示。他是 MIT 量子光子与人工智能研究组的访问科学家，同时也是 NTT 研究所的博士后研究员。

参与这项研究的还有Alexander Sludds、Nicholas Harris、Darius Bunandar、 Stefan Krastanov（曾 MIT 电子研究实验室研究科学家，现马萨诸塞大学阿默斯特分校助理教授）、Ryan Hamerly（MIT 访问科学家，NTT 研究所高级科学家）、Matthew Streshinsky（前诺基亚硅光子负责人，Enosemi 联合创始人兼首席实行官）、Michael Hochberg（Periplous LLC 总裁），以及论文的资深编辑、MIT 电气工程与计算机科学系教授 Dirk Englund（MIT 量子光子与人工智能研究组和电子研究实验室负责人）

这项研究成果已于近期发表在 Nature Photonics 杂志上。