一款光芯片，效率提高100倍

一个工程师团队开发出了一种新型计算机芯片，它使用光而不是电来执行人工智能中最耗电的部分之一——图像识别和类似的模式查找任务。

使用光可以大幅降低执行这些任务所需的功耗，其效率是执行相同计算的现有芯片的10倍甚至100倍。这种方法可以帮助缓解电网巨大的电力需求，并实现更高性能的AI模型和系统。

这种机器学习任务被称为“卷积”，是人工智能系统处理图片、视频甚至语言的核心。目前，卷积运算需要大量的计算资源和时间。而这些新芯片利用电路板上装配的激光器和微透镜，以更低的功耗和更快的速度执行卷积运算。

在测试中，新芯片成功识别手写数字，准确率约为 98%，与传统芯片相当。

“在接近零能耗的条件下进行关键的机器学习计算，对未来的人工智能系统来说是一个飞跃，”研究负责人、佛罗里达大学半导体光子学莱茵斯特聘教授Volker J. Sorger博士表示。“这对于未来几年持续提升人工智能能力至关重要。”

“这是第一次有人将这种类型的光学计算放在芯片上并将其应用于人工智能神经网络，”佛罗里达大学 Sorger 团队的研究副教授、该研究的共同作者 Hangbo Yang 博士说。

索尔格的团队与佛罗里达大学佛罗里达半导体研究所、加州大学洛杉矶分校和乔治华盛顿大学的研究人员合作开展了这项研究。该团队的研究成果由海军研究办公室资助，并于9月8日在《先进光子学》杂志上发表。

该原型芯片采用两组采用标准制造工艺的微型菲涅尔透镜。这些二维透镜与灯塔中常见的透镜相同，其宽度仅为人类头发丝的几分之一。机器学习数据（例如来自图像或其他模式识别任务的数据）在芯片上被转换为激光，并穿过透镜。之后，结果被转换回数字信号，以完成人工智能任务。

这种基于透镜的卷积系统不仅计算效率更高，而且还能缩短计算时间。用光代替电还有其他好处。索尔格的团队设计了一种芯片，可以使用不同颜色的激光并行处理多个数据流。

“我们可以让多种波长或颜色的光同时穿过镜头，”杨说。“这是光子学的一个关键优势。”

芯片制造商（例如行业领导者 NVIDIA）已经将光学元件纳入其 AI 系统的其他部分，这可以使卷积镜头的添加更加无缝。

“在不久的将来，基于芯片的光学器件将成为我们日常使用的每个AI芯片的关键组成部分，”兼任佛罗里达半导体研究所战略计划副主任的索尔格说道。“接下来是光学AI计算。”

点这里👆加关注，锁定更多原创内容

*免责声明：文章内容系作者个人观点，半导体芯闻转载仅为了传达一种不同的观点，不代表半导体芯闻对该观点赞同或支持，如果有任何异议，欢迎联系我们。