新型光芯片可执行深度神经网络关键计算

2日发表在《自然·光子学》杂志上的论文称，美国麻省理工学院科学家开发出一种全集成光芯片。它能以光学方式执行深度神经网络所需的所有关键计算，为制造能实时学习的高速处理器打开了大门。     这种新型光芯片能够在不到半纳秒的时间内，完成机器学习分类任务的关键计算，性能与传统硬件相当。该芯片由相互连接的模块组成，形成一个光学神经网络，并采用商业代工工艺制造，这有助于技术的扩展和与电子产品集成。     深度神经网络由多层相互连接的节点组成，执行线性和非线性操作以处理复杂数据。其中，非线性运算（如激活函数）使深度神经网络能够解决复杂问题。2017年，麻省理工学院恩格伦德小组与马林·索尔贾契奇实验室合作，在光芯片上演示了能执行矩阵乘法的光学神经网络，但这种设计无法在芯片上直接进行非线性操作。设计的难题在于，触发光学非线性非常耗电。