【據(jù)美國麻省理工學院網(wǎng)站2019年6月5日報道】美國麻省理工學院(MIT)的研究人員開發(fā)了一種用于光學神經(jīng)網(wǎng)絡的新型“光子”芯片設計方案，其能源效率可比現(xiàn)有的AI加速器芯片高出數(shù)百萬倍。該芯片采用了更緊湊的光學元件和光信號處理技術，大大降低了功耗和芯片面積，使光學神經(jīng)網(wǎng)絡擺脫了對一些龐大光學組件的依賴，從而使光學神經(jīng)網(wǎng)絡能以幾個數(shù)量級的規(guī)模進行擴展。傳統(tǒng)的光學神經(jīng)網(wǎng)絡加速器采用波導和“Mach-Zehnder干涉儀”構建，每個神經(jīng)元對應一個波導，每個權重則必須有一個干涉儀，因此網(wǎng)絡規(guī)模很難超過100個神經(jīng)元。而MIT的新型芯片使用“平衡零差檢測”進行矩陣乘法，每個輸入和輸出神經(jīng)元只需要一個通道，所需的零差光電探測器數(shù)量與神經(jīng)元數(shù)量相當，這節(jié)省了大量空間，相應的神經(jīng)網(wǎng)絡規(guī)模可擴展到每層100萬個神經(jīng)元。在MNIST圖像分類數(shù)據(jù)集上進行的模擬訓練表明，該加速器處理神經(jīng)網(wǎng)絡的能耗理論上比傳統(tǒng)的電子加速器低1000萬倍以上、比傳統(tǒng)的光子加速器低1000倍。研究人員目前正在開發(fā)原型芯片，相關論文《Large-Scale Optical Neural Networks based on Photoelectric Multiplication》已在Physical Review X網(wǎng)站上發(fā)表。