光子芯片似乎能显著提高人工智能处理速度

一组研究人员最近将光子处理器应用于人工智能应用，证明了光子处理器可以大大超过常规电子芯片的信息处理能力。研究人员开发了一种新型芯片架构和方法，将数据存储和数据处理功能结合在一个设备中。这些芯片由相变材料（如DVD中使用的材料）制成。光子（基于光的）处理器用于生产可以以高速执行计算的计算机芯片，在最近发表在《自然》杂志上的研究中，研究人员能够证明这些新型芯片能够显著改进传统的电子芯片，得益于其能够快速并行处理信息的能力。

研究团队开发了一种新型芯片架构和方法，将数据存储和数据处理功能结合在一个设备中。这些芯片由相变材料（如DVD中使用的材料）制成。光子（基于光的）处理器用于生产可以以高速执行计算的计算机芯片，在最近发表在《自然》杂志上的研究中，研究人员能够证明这些新型芯片能够显著改进传统的电子芯片，得益于其能够快速并行处理信息的能力。

矩阵-向量乘法

支撑许多最先进的人工智能应用的神经网络通过矩阵-向量乘法运作。研究团队创建了一个基于硬件的加速系统，能够并行执行这些乘法运算。光学芯片利用了不同波长的光不会相互干扰这一事实，因此可以用于并行执行计算。研究团队使用了由EPFL开发的“频率梳”，作为光源为光子芯片提供各种波长。

EPFL的托比亚斯·基彭伯格教授（Tobias Kippenberg）领导了频率梳的开发，他也是研究论文的主要作者之一，另一位主要作者是来自明斯特大学的沃尔夫拉姆·珀尼斯（Wolfram Pernice）。根据珀尼斯的说法，基于光的处理器可以加速机器学习中计算密集型任务的执行速度，甚至可以比专用硬件如张量处理单元（TPU）和最先进的GPU执行速度更快。

神经网络训练

在设计和制造光子芯片后，研究人员通过测试它们在手写数字识别神经网络上的性能来评估其性能。神经网络训练过程利用了芯片启用的波长多路复用，并实现了以前未曾达到过的数据速率和计算密度。

作为研究论文的主要作者和明斯特大学的研究生，约翰内斯·费尔德曼（Johannes Feldmann）通过TechXplore解释道：“输入数据和一个或多个滤波器之间的卷积运算——例如，在一张照片中突出显示边缘——可以很好地转移到我们的矩阵架构中。利用光进行信号传输使处理器能够通过波长多路复用执行并行数据处理，从而实现更高的计算密度和在一个时间步中执行多个矩阵乘法。”

这项工作之所以显著，是因为它可能使神经网络能够在大型数据集上训练，而训练时间可能只是传统训练时间的一小部分。随着大数据变得越来越大，受到物联网和智能设备日益普及的推动，数据科学家将需要新的方法来尽可能地减少在大型数据集上训练的时间。传统的电子设备通常在低GHz范围内运行，而光调制速度可以达到50 GHz至100 GHz范围。

这项研究可能对云计算、医疗成像和自动驾驶等应用产生重要影响，这些应用都需要能够快速处理来自多个来源的大量数据。

这项研究是由来自美国匹兹堡大学、德国明斯特大学、英格兰埃克塞特大学和牛津大学、IBM苏黎世研究院以及瑞士联邦理工大学（EPFL）等国际研究团队之间的合作成果。