一个国际研究人员团队开发了一种用于光子处理器的新方法和体系结构，可以加快机器学习领域中复杂的数学任务。越来越多的AI应用程序（例如自动驾驶汽车，智能城市和语音识别）的出现给当前的计算机处理器带来了沉重负担，无法满足需求。一组科学家开发了一种解决此问题的方法，该方法使用光子（基于光）处理器将处理和数据存储组合在单个芯片上。这些可以通过并行和更快地处理信息来超越传统的电子芯片。明斯特大学的Wolfram Pernice教授说：“用于加速机器学习领域任务的轻量级处理器使复杂的数学任务能够以更高的速度和吞吐量进行处理。” “这比依靠电子数据传输的传统芯片要快得多（例如图形卡或专用硬件（例如TPU）要快得多。”科学家已经开发出用于矩阵向量乘法的硬件加速器。人工神经网络的骨干：通常用于处理图像或音频。这种网络受数据生物大脑的松动启发。由于不同波长的光不会干扰，因此它们可以使用多个波长进行并行计算（多路复用），这就为光子处理器打开了大门，光子处理器具有更高的数据速率和每单位面积更多的操作能力，但是，要抓住这个机会，有必要使用另一种技术作为光源：由微软公司开发的基于芯片的“频率梳”。 EPFL。EPFL教授Tobias Kippenberg表示：“我们的研究是第一个将频率梳应用于人工神经网络领域的研究。” Kippenber的工作g率先开发了频率梳。在光子芯片中独立处理的多个波长。研究人员还选择将光子结构与相变材料结合起来作为节能存储元件。以此方式，可以在不需要能量的情况下存储和保存矩阵元素。制造光子芯片后，研究人员在神经网络上对其进行了测试，以识别手写数字。研究人员认为，输入数据与一个或多个过滤器（可以识别例如图像的边缘）之间的运算非常适合其矩阵体系结构，从而使研究人员可以实现空前的计算密度。该研究的主要作者牛津大学的约翰内斯·费尔德曼博士解释说：“将光用于信号传输使处理器能够通过波长复用来执行并行数据处理，这导致更高的计算密度，只需要执行许多矩阵。乘法就足够了。一个时间步骤。与通常在低GHz范围内工作的传统电子产品相比，光调制速度可以达到50至100 GHz的范围。这项研究本周在一家媒体杂志上发表，具有广泛的应用领域。这可能包括对AI应用程序数据的更高同步处理；较大的神经网络，可以提供更准确的预测和精确的数据分析；大量的临床数据有助于诊断；更快地评估自动驾驶汽车中的传感器数据，并扩展云计算基础架构。