Wavelength-Division-Multiplexed Photonic Tensor Core Using Nonvolatile and Volatile Weighting with a General Matrix-Multiply Compiler
本文展示了一种波分复用光子张量核心的设计、制造与实验演示，该核心集成了非易失性相变存储器与易失性热光加权，并由定制编译器提供支持，旨在实现高效矩阵乘法，其预期性能可达 8.75 TOPS 和 3.04 TOPS/W。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在现代世界中，人工智能已成为一种强大的力量，驱动着从医学诊断到自动驾驶车辆的一切领域。然而，这种智能也付出了沉重的代价：驱动这些系统的庞大计算机芯片正面临物理极限。它们正变得过于庞大、过于缓慢，且过于耗能，无法跟上日益增长的复杂计算需求。为了解决这个问题，科学家们正将目光投向光。研究人员正在探索如何使用光子（即光的粒子）来进行计算，而不是像传统计算机那样使用电力通过硅线传输信息。光可以传播得更快，并以更少的热量携带更多的数据，这为打造既极其快速又异常高效的机器提供了一条潜在路径。挑战在于，如何制造出一种不仅能引导光，还能利用光来执行人工智能所要求的特定重型数学运算（即矩阵乘法），且不损失准确性或稳定性。
一组研究人员现在通过设计并测试一种使用光进行这些基本计算的新型计算机芯片，取得了重大进展。他们创造了一种被称为“光子张量核心”的设备，它就像是人工智能背后数学运算的一个专用引擎。该团队构建了两个不同版本的这种引擎，以观察它们如何处理不同类型的任务。其中一个版本使用一种特殊的材料，这种材料可以永久存储信息而无需消耗电量，就像一个永不遗忘的数字存储器。另一个版本则使用一种可快速调节的系统，其设置可以在瞬间发生变化，从而能够快速适应新数据。这两个版本都依赖于一种称为“波分复用”的技术，该技术允许芯片通过使用不同颜色的光同时发送多路数据流，类似于高速公路拥有多个车道，可以承载比单条道路更多的交通流量。
研究人员成功构建并测试了这些芯片，以观察它们在执行现实任务时的表现。他们发现，使用永久性材料的版本具有极高的能量效率，在保持设置时几乎不消耗电量，非常适合那些需要依靠单次电池长时间运行的设备。而可调节版本虽然在更改设置时会消耗稍多一点的电量，但它提供了更高的精度，并且可以快速重新配置，因此更适合需要不断更新的任务。为了证明该系统的有效性，团队利用它来处理图像。他们要求芯片识别图片中的边缘，并将人脸与数字面具进行结合，这些都是计算机“看见”并理解世界的各种基础任务。该芯片以极低的误差率完成了这些操作，成功完成了通常需要更大且更耗能的电子处理器才能完成的计算。
为了确保该系统能够处理大型人工智能模型所需的复杂数学运算，研究人员还开发了一种特殊的软件工具。该工具充当了一个“翻译官”，将庞大且复杂的数学问题分解成物理芯片可以处理的小块。他们通过模拟芯片如何识别手写数字（这是人工智能的一个经典测试）来测试这种硬件与软件的结合。结果显示，在处理最复杂的数学部分时，该光基系统虽然比标准电子计算机的准确性略低，但在速度和能源使用方面却远优于后者。研究人员估计，如果他们将该设计扩展到更大的规模，该系统每秒可以进行数十亿次计算，而消耗的能量仅为现有技术的一小部分。
这项工作证明了构建一个模块化系统的可能性，即可以将不同类型的光基处理器结合起来以满足特定需求。团队展示了通过利用光来执行繁重的数学计算，可以创造出一个不仅更快，而且比目前已有的技术更加紧凑且节能的系统。虽然目前的原型只是一个微型的概念验证，但他们所展示的原理表明，在未来，人工智能可以在小型便携式设备上运行，而无需依赖庞大的数据中心。研究人员相信，通过不断改进这些基于光的芯片，并将其与现有的电子系统相结合，他们可以开启通往新一代技术的大门，使信息能够以光速进行处理，从而将强大的人工智能带到网络的最边缘，即最需要它的地方。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。