導讀：近日，麻省理工學院的科學家們成功研發了一種全新的全集成光芯片，它采用光學方式來完成深度神經網絡所需的核心計算任務，為打造能夠進行實時學習的高速處理器開辟了新途徑。
近日，麻省理工學院的科學家們成功研發了一種全新的全集成光芯片，它采用光學方式來完成深度神經網絡所需的核心計算任務，為打造能夠進行實時學習的高速處理器開辟了新途徑。
這款光芯片能夠在極短的時間內，即不到半納秒，完成機器學習分類任務中的關鍵計算，其性能可與傳統硬件相媲美。
該芯片由一系列相互連接的模塊構成，形成了一個光學神經網絡，并且采用商業代工工藝制造，這將有助于技術的進一步擴展以及與電子產品的集成。
深度神經網絡通常由多個相互連接的節點層組成，通過執行線性和非線性操作來處理復雜的數據。其中，非線性運算（例如激活函數）是深度神經網絡能夠解決復雜問題的關鍵所在。早在2017年，麻省理工學院的恩格倫德小組與馬林·索爾賈契奇實驗室就曾在光芯片上演示了能夠執行矩陣乘法的光學神經網絡，但當時的設計無法在芯片上直接進行非線性操作，因為觸發光學非線性需要消耗大量的電力。
為了解決這一難題，研究團隊開發了一種非線性光學功能單元（NOFU）。他們結合了電子學和光學技術，在芯片上實現了非線性操作，從而成功地在光芯片上構建了光學深度神經網絡。在這個網絡中，神經網絡的參數被編碼為光信號，通過可編程分光鏡陣列進行矩陣乘法運算，然后再由NOFU實現非線性功能，整個過程無需外部放大器，能耗極低。
在訓練測試中，該光芯片的準確率超過了96%，推理準確率也超過了92%，并且能夠在不到半納秒的時間內完成關鍵計算。整個電路采用了與制造CMOS芯片相同的基礎設施和工藝，這有利于大規模生產并降低制造誤差。這一研究成果為在光芯片上高效訓練深度神經網絡提供了可能。
未來，光芯片有望引領深度學習走向更快、更節能的道路，并廣泛應用于激光雷達、天文學、粒子物理學等研究領域以及高速電信等計算密集型應用中。
