High speed time-multiplexing enabled multi-dimensional silicon photonic parallel computing

人工智能领域的发展速度正在挑战我们现有的计算机极限。这些系统高度依赖于同时进行海量的计算，而这对于传统的电子芯片来说，处理起来变得越来越困难且效率低下。随着对更快速、更节能的处理能力需求的日益增长，科学家们正将目光投向光本身，将其视为一种解决方案。光以惊人的速度传播，并且可以在不产生移动电子通过导线所带来的热量和能量损耗的情况下，携带海量的信息。这一被称为光子计算的领域，旨在利用光的独特属性来执行复杂的数学任务，从而取代或增强电子电路。然而，一个主要的障碍一直存在：虽然光在速度方面具有巨大潜力，但构建能够像电子系统那样完成同等工作量，却又不至于变得规模庞大或昂贵无比的光学系统，一直是一个持续存在的挑战。

兰州大学的研究人员现在展示了一种克服这种尺寸限制的新方法，他们创建了一种基于硅的光学芯片，通过以多种方式同时利用光来进行复杂计算。该团队并没有简单地增加物理组件来处理更多数据，而是找到了一种让单个微小硬件承担多项工作的方法。他们通过将光不仅视为数据流，而是将其视为一种多维工具来实现这一点。想象一下，一束光可以被分割成不同的颜色、不同的振动形状以及在空间中经过的不同路径，同时光所携带的信息还能随时间快速变化。该团队成功地将这些不同的维度——颜色、形状、空间和时间——整合进了一个统一的系统中。通过这样做，他们创造了一个可重构的计算引擎，其物理部件可以在极短的时间内被重新编程，以执行从识别简单模式到识别图像中复杂特征的完全不同的任务。

其核心成就之处在于他们如何组织这些不同的维度。在他们的设计中，光的颜色、光波振动的特定方式以及光在芯片中行进的物理路径，都充当了独立的数据通道。这些通道并排运行，使得系统能够在同一时刻处理许多信息片段。但研究人员更进一步，加入了第四个维度：时间。他们使用高速开关来快速改变光在传输过程中遇到的指令（或权重）。这意味着单个光学组件可以连续执行一系列不同的计算，其速度之快，使其实际上表现得像许多不同的组件在并行工作。这种方法使得芯片比以往的设计要小得多，因为以往的设计需要为每一次计算都配备一个单独的物理设备。

为了证明这一概念可行，团队使用与电子工业兼容的标准制造技术构建了一块物理芯片。他们用人工智能中常见的现实世界任务测试了该设备。首先，他们利用它根据测量数据识别不同品种的鸢尾花，这项任务要求芯片将数据分类为三个截然不同的类别。该系统通过快速切换设置，仅使用单个光学组件就成功学习了如何区分这些花卉类型。接着，他们让芯片挑战识别手写数字这一任务，这是计算机视觉中的经典测试。芯片处理了数字图像，并以高准确度正确识别了它们，展示了其处理图像识别所需复杂数学的能力。

或许最令人印象深刻的演示涉及该芯片同时执行多项任务的能力。研究人员对设备进行了编程，使其检测图像中的边缘——即寻找物体结束与背景开始的边界。在传统系统中，寻找图像左侧、右侧、顶部和底部的边缘通常需要先后运行四个独立的计算。而在这个新系统中，芯片同时完成了四项边缘检测任务。它通过利用不同颜色的光和振动形状来承载每个方向的指令，同时利用基于时间的快速切换确保数据被正确处理。结果是在单次通过中生成了完整的图像边缘图，这一成就如果放在传统硬件上，通常需要显著更多的硬件和时间。实现这一目标。

该团队还将这项技术应用于更高级的应用：指纹识别。他们建立了一个比较两幅图像以查看它们是否匹配的系统，这一过程对于安全和身份识别至关重要。芯片充当了该系统的“大脑”，同时从参考指纹和正在测试的指纹中提取特征。通过比较结果，系统可以高可靠性地判断两枚指纹是否属于同一个人。这次实验表明，这项技术不仅能够处理简单的数学运算，还能处理现实世界安全应用中所需的细微且多步骤的逻辑。

该新芯片的性能指标非常惊人。研究人员测量了该芯片单位面积内的计算量，发现其密度极高，能够在微小的空间内每秒执行数万亿次操作。在能源方面，该系统极其高效，每次计算消耗的电量微乎其微。这些数据表明，这种方法不仅在理论上是成立的，而且在实际构建既强大又节能的未来计算机方面是切实可行的。这项工作为硅光子学开辟了一条清晰的道路，表明构建计算容量不需要与物理设备数量成正比的计算架构是可能的。

这项研究并非声称已经解决了计算领域的所有问题，但它为一种新型处理器迈出了重要一步。通过证明单块硅芯片可以通过在多个维度上利用光，实现快速重构以处理不同类型的复杂任务，该团队为开发更紧凑、更高效的人工智能硬件打开了大门。这种无需大规模物理组件阵列即可执行高速并行计算的能力，预示着一个计算能力的极限不再受限于芯片自身尺寸的未来。随着对更快、更绿色技术需求的不断增长，这种充分挖掘光之潜力的手段，为满足这些需求提供了一条充满希望的途径。