近日，美國麻省理工學院科學家開發(fā)出一種全集成光芯片。它能以光學方式執(zhí)行深度神經網絡所需的所有關鍵計算，為制造能實時學習的高速處理器打開了大門。該研究成果發(fā)表在《自然·光子學》雜志上。

這種新型光芯片能夠在不到半納秒的時間內，完成機器學習分類任務的關鍵計算，性能與傳統(tǒng)硬件相當。該芯片由相互連接的模塊組成，形成一個光學神經網絡，并采用商業(yè)代工工藝制造，這有助于技術的擴展和與電子產品集成。

深度神經網絡由多層相互連接的節(jié)點組成，執(zhí)行線性和非線性操作以處理復雜數(shù)據。其中，非線性運算（如激活函數(shù)）使深度神經網絡能夠解決復雜問題。2017年，麻省理工學院恩格倫德小組與馬林·索爾賈契奇實驗室合作，在光芯片上演示了能執(zhí)行矩陣乘法的光學神經網絡，但這種設計無法在芯片上直接進行非線性操作。設計的難題在于，觸發(fā)光學非線性非常耗電。

后來，研究團隊開發(fā)了一種非線性光學功能單元（NOFU），克服了這一挑戰(zhàn)。他們通過結合電子學和光學技術，在芯片上實現(xiàn)了非線性操作，從而實現(xiàn)在光芯片上構建光學深度神經網絡。其中，神經網絡參數(shù)編碼作為光信號，通過可編程分光鏡陣列進行矩陣乘法，再由NOFU實現(xiàn)非線性功能，無需外部放大器，能耗極低。

該光芯片在訓練測試中準確率超96%，推理準確率超92%，且執(zhí)行關鍵計算時間不到半納秒。整個電路采用與制造CMOS芯片相同的基礎設施和工藝，有利于大規(guī)模生產和降低制造誤差。這一研究為在光芯片上高效訓練深度神經網絡提供了可能。

從長遠來看，光芯片有望實現(xiàn)更快、更節(jié)能的深度學習，適用于激光雷達、天文學和粒子物理學等領域的研究或高速電信等計算要求高的應用。