清華大學研制全球首款大規模光芯片
人工智慧技術的發展高度依賴於高效能電腦芯片，對高效能電腦的需求尤為迫切。
OpenAI 執行長 Sam Altman 曾多次公開表示，輝達 p00 和 A100 GPU 目前使用的數據中心效率低下，人工智慧需要越來越多的能源，因此需要越來越高的能效。
在這種情況下，光數據處理被視為一項前景廣闊的新技術。與傳統的電子神經網路相比，光子計算具有速度快、並列性高和功耗低的優點，尤其是在計算高速數據流時。
光子電腦使用光訊號而不是傳統的電訊號進行數據處理，因此在數據處理速度和能源效率方面具有相當大的優勢。能源效率的顯著提高意味著在計算能力相同或更高的情況下，能源消耗會大大降低，這也是永續發展的基礎。
然而，現有的光學芯片在實作復雜的人工智慧任務方面仍存在許多問題，特別是光學神經網路（ONN）在實際套用中存在一些局限性。
光子神經網路是一種將光學和神經網路相結合的新方法，它以光學和光的物理特性（如相幹性和繞射）為基礎，能夠處理復雜的數據。
然而，現有的光子神經網路在實際套用中仍存在一定的局限性，因為它們僅限於基本操作，如辨識影像中的簡單形狀，而無法處理復雜的數據。
為解決上述問題，推動光子神經網路的深入研究，清華大學電子與自動化學院的戴瓊海等人合作，自主研發了大規模光子芯片，並在該芯片上構建了擁有1396萬個神經元的光子神經網路。相應的研究成果發表在【大型光子芯片 "太一"，160- TOPS/W 結構資訊】上："大型光子芯片'太一'實作 160- TOPS/W 能效，助力通用人工智慧發展"。
影像 | Tetch 芯片結構圖（科學）
太極公司在一塊芯片上構建了擁有1396萬個神經元的光神經網路，展示了其在小型化和整合化方面的巨大優勢，是光電腦系統處理能力和效率的重大突破。該計畫的研究成果將為復雜數據處理、大數據分析、即時決策等領域提供重要的理論和技術支持。
然而，僅僅透過擴大光子網路或在光芯片上增加光子裝置（如調變器、探測器等），是不可能實作大規模高能效光子數據處理的。這種簡單的擴充套件並不能直接提高效能。網路規模的擴大往往會導致管理復雜性和雜訊的增加。
在光子網路中，訊號會在各層產生雜訊，這些雜訊會在各層累積。在多層網路中，整體雜訊水平會急劇增加，從而對系統的效能和可靠性產生重大影響。
這項研究的成果是什麽？該計畫提出了一種基於分布式繞射幹涉的新型光子計算框架，可將網路中的神經元數量大幅增加到數百萬個數量級，能效達到 160 兆次/瓦。
圖片 | TECH 晶圓的包裝和測試（來源：【科學】雜誌）
該演算法將集群集中在特定的子任務上，從而實作資源的最佳化分配，並根據不同的任務分配子任務。在處理完每個子任務後，這些單獨的行程被整合到最終的高層任務中。在此基礎上，提出了一種基於分布式數據結構的並列多工處理方法。
在對 Big Pool 芯片效能的測試中，我們用 Omniglot 資料庫對演算法進行了驗證，在 1000 個類別級別上的準確率達到了 91.89%。這表明 Big Pool 能夠高效、準確地處理復雜的分類問題。在無人駕駛汽車和即時視訊分析等領域，直接實作高準確率和高效率的分類是一個關鍵問題。這意味著光子計算未來有可能解決更復雜的人工智慧任務。
此外，Taichi 在自動生成的人工智慧內容方面表現出色，計算效率幾乎比傳統演算法高出兩個數量級。這意味著，這款芯片不僅可以執行復雜的人工智慧計算，還能生成高品質的視訊，同時大幅降低所需的計算速度和功耗。"太一 "芯片以其新穎的設計和出色的效能，展示了光學計算技術在人工智慧領域未來廣泛套用的前景。
本計畫的研究成果將推動光數據處理領域的發展，有望突破傳統數據處理方法在處理大規模、高復雜度任務方面的瓶頸。同時，本計畫的研究成果也將為相關光電子器件的研發提供新的思路，促進光電子器件的發展，提高產業的效率和經濟性。
該計畫的研究成果將為光計算的實際套用性、規模和實用性奠定基礎。隨著人工智慧技術的發展，面臨著海量數據規模和復雜度不斷提高的挑戰，光計算技術以其電腦科學、高速度和低功耗的獨特優勢，有望為最佳化此類要求苛刻的計算過程提供全新的思路，大大提高模型訓練和機器學習等領域的效能。
盡管光子芯片仍面臨許多處理和整合問題，但總體而言，光子計算是滿足當前人工智慧領域日益增長的效能和效率要求的有效途徑。隨著工藝的不斷改進和價格的不斷下降，光子計算將代表一場新的計算革命。
另請參見
Https://www.science.org/doi/10.1126/science.adl1203
