使用集成音张量内核显示并行卷积处理的图解。本周发表在《自然》杂志上的新研究考察了光子处理器在人工智能应用方面的潜力。随着我们进入数字时代的下一章，数据流量继续呈指数级增长。为了进一步增强人工智能和机器学习，计算机需要能够尽可能快速、高效地处理大量数据。传统的计算方法不能完成这项任务，但在寻找解决方案时，研究人员已经看到了光明——从字面上看。基于光的处理器称为光子处理器，使计算机能够以令人难以置信的速度完成复杂的计算。本周发表在《自然》杂志上的新研究考察了光子处理器在人工智能应用方面的潜力。研究结果首次证明，这些设备能够快速并行地处理信息，这是当今电子芯片无法完成的事情。匹兹堡大学斯旺森工程学院电气和计算机工程助理教授、共同作者Nathan Youngbrue解释道："神经网络通过收集海量数据来’学习’，通过一系列算法识别模式。"这种新处理器将允许它同时运行多个计算，每次计算使用不同的光学波长。我们想要解决的挑战是集成：我们如何以可扩展和高效的方式使用光进行计算？研究人员寻求的快速、高效的处理是自动驾驶车辆等应用的理想选择，这些应用需要尽快处理从多个输入中感知到的数据。光子处理器还可以支持云计算、医学成像等应用。"用于加快机器学习领域任务的轻型处理器能够以高速和吞吐量处理复杂的数学任务，"Münster 大学的高级合著者 Wolfram Pernice 说。这比依赖电子数据传输的传统芯片要快得多，例如图形卡或特殊硬件（如 TPUs（张力处理单元）。这项研究由一个国际研究小组进行，包括皮特、德国明斯特大学、英国牛津大学和埃克塞特大学、瑞士洛桑的联邦理工学院和苏黎世的IBM研究实验室。

处理器的架构表示，用于在光上运行的矩阵乘法。来源：牛津大学研究人员将相变材料（例如在 DVD 上使用的存储材料）和光子结构相结合，以非易失性方式存储数据，而无需持续提供能量。这项研究也是首次将这些光学存储器单元与基于芯片的频率梳作为光源相结合，这使得它们能够同时计算16种不同的波长。在论文中，研究人员利用这项技术创造了一个能识别手写数字的卷积神经网络。他们发现，该方法授予了前所见的数据速率和计算密度。"输入数据和一个或多个滤波器之间的卷积操作（例如，可以是照片中边缘的突出显示）可以很好地转移到我们的矩阵结构中，"Münster 大学研究生、该研究的主要作者 Johannes Feldmann 说。"利用光进行信号传输使处理器能够通过波长多路复用执行并行数据处理，从而在一个时间步长内实现更高的计算密度和许多矩阵乘法。与传统在低 GHz 范围内工作的电子器件相比，光调制速度可以达到 50 到 100 GHz 范围。论文"使用集成光子张量核心的平行卷积处理"发表在《自然》杂志上，由约翰内斯·费尔德曼、内森·杨血、马克西姆·卡尔波夫、赫尔格·盖林、宣立、迈克·斯塔珀、曼努埃尔·勒加洛、新福、安东·卢卡什丘克、阿尔斯兰·拉贾、刘俊秋、大卫·赖特、阿布·塞巴斯蒂安、托比亚斯·基彭伯格、沃尔夫拉姆·佩尔尼奇和哈里什·巴斯卡兰共同著。

本文转载自网易号【张生全精彩美食】，更多内容请点击“阅读原文”