光子神經(jīng)網(wǎng)絡(luò)芯片的計(jì)算時(shí)間不到十億分之一秒，并且具有與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)相當(dāng)?shù)木�度�?/p>

圖 1：用于光子神經(jīng)網(wǎng)絡(luò)的具有可編程處理功能的光子芯片的顯微圖像。

意大利米蘭理工大學(xué)（Politecnico di Milano）和斯坦福大學(xué)的研究人員，構(gòu)建了一種光子神經(jīng)網(wǎng)絡(luò)（PNN）芯片，該芯片利用光子加速器實(shí)現(xiàn)了快速、強(qiáng)大和高效的計(jì)算。芯片上的光波導(dǎo)由可控節(jié)點(diǎn)連接，從而形成可編程的光子網(wǎng)格——硅干涉儀網(wǎng)格。

“從光學(xué)角度看，該電路實(shí)現(xiàn)了一個(gè)完全可重構(gòu)的多徑干涉儀。從功能上看，它直接在光域中執(zhí)行加法和乘法運(yùn)算，”米蘭理工大學(xué)光子器件實(shí)驗(yàn)室負(fù)責(zé)人Francesco Morichetti說(shuō)，“這意味著，如果我們?cè)谄漭斎攵丝谳斎牍庑盘?hào)，輸出信號(hào)將是輸入信號(hào)的線性組合。”

從數(shù)學(xué)的角度來(lái)看，PNN芯片采用的是一種矩陣-向量乘法，這是計(jì)算中所需的基本代數(shù)算法。“許多典型的計(jì)算操作都是以這種形式進(jìn)行的，幸運(yùn)的是，線性算子描述的任何內(nèi)容都能用光學(xué)方法實(shí)現(xiàn)。”

PNN芯片是米蘭理工大學(xué)和斯坦福大學(xué)團(tuán)隊(duì)五年前開(kāi)始的長(zhǎng)期合作的成果。

Morichetti和米蘭理工大學(xué)的研究人員正在設(shè)計(jì)可編程的硅光子架構(gòu)，特別是用于自動(dòng)控制這些結(jié)構(gòu)的先進(jìn)算法。與此同時(shí)，斯坦福大學(xué)的研究人員也從理論上構(gòu)思了光子架構(gòu)，這些架構(gòu)有可能實(shí)現(xiàn)復(fù)雜的功能，但仍需要轉(zhuǎn)化為物理光子電路。

“我們?cè)诠庾訉W(xué)方面的專業(yè)知識(shí)是互補(bǔ)的，”Morichetti說(shuō)。

細(xì)節(jié)決定成敗

新型PNN芯片的核心光子網(wǎng)格，是通用電路或可編程光子處理器（見(jiàn)圖1）。Morichetti解釋說(shuō)，在某種程度上，它們可以被視為電子FPGA（集成電路中的現(xiàn)場(chǎng)可編程門陣列）的光學(xué)對(duì)應(yīng)物，盡管光子學(xué)本質(zhì)上是模擬的。

在PNN出現(xiàn)之前，這種芯片技術(shù)在米蘭理工大學(xué)與斯坦福大學(xué)合作的幾個(gè)研究項(xiàng)目中得到了應(yīng)用。例如，他們使用光子處理器來(lái)產(chǎn)生和接收具有合適形狀的自由空間光束，以優(yōu)化通過(guò)半透明障礙物或散射介質(zhì)的傳輸、通信和傳感。

“我們還使用光子網(wǎng)格直接在光域中對(duì)通過(guò)散射介質(zhì)傳輸后、混雜在一起的幾束光進(jìn)行解碼，”Morichetti說(shuō)，“這使我們能夠恢復(fù)單個(gè)光束所攜帶的信息，這對(duì)利用多種光學(xué)模式的大容量傳輸系統(tǒng)具有重要意義。”

神經(jīng)網(wǎng)絡(luò)必須執(zhí)行復(fù)雜的功能，并通過(guò)檢查先前操作的效果來(lái)調(diào)整其行為。這種訓(xùn)練需要耗費(fèi)大量能源和電力，但在光子芯片上構(gòu)建神經(jīng)網(wǎng)絡(luò)，為實(shí)現(xiàn)更節(jié)能的計(jì)算單元鋪平了道路（見(jiàn)圖2）。

圖2：光子芯片上的神經(jīng)網(wǎng)絡(luò)。

然而，利用光子技術(shù)實(shí)現(xiàn)高效神經(jīng)網(wǎng)絡(luò)的一個(gè)主要挑戰(zhàn)，是在網(wǎng)絡(luò)訓(xùn)練中如何利用光學(xué)的能力。斯坦福大學(xué)前研究員、現(xiàn)為加州Palo Alto計(jì)算機(jī)硬件制造商PsiQuantum的量子架構(gòu)師Sunil Pai表示，這也是研發(fā)工作中要求最高的部分。

“迄今為止，PNN僅用于在通過(guò)外部計(jì)算機(jī)訓(xùn)練的系統(tǒng)中執(zhí)行推理任務(wù)，這實(shí)質(zhì)上限制了使用光子硬件的優(yōu)勢(shì)，”Pai說(shuō)。

但是，斯坦福大學(xué)Pai團(tuán)隊(duì)的研究工作表明，PNN可以在原地（in situ）訓(xùn)練。為此，他們使用了一種反向傳播算法的臨時(shí)實(shí)現(xiàn)方法。與傳統(tǒng)的反向傳播算法一樣，網(wǎng)絡(luò)被輸入訓(xùn)練數(shù)據(jù)，并被要求做出預(yù)測(cè)。每次迭代時(shí)，對(duì)預(yù)測(cè)誤差進(jìn)行評(píng)估并通過(guò)網(wǎng)絡(luò)進(jìn)行反向反饋，從而優(yōu)化光子網(wǎng)格的節(jié)點(diǎn)，提高預(yù)測(cè)精度。現(xiàn)在，對(duì)于訓(xùn)練數(shù)據(jù)和誤差數(shù)據(jù)，這些過(guò)程完全是通過(guò)光信號(hào)來(lái)完成的。

“這一成果是一個(gè)重要的里程碑，因?yàn)樗�證明了PNN可以在光域中直接、高效地進(jìn)行訓(xùn)練，”Pai 說(shuō)，“在訓(xùn)練過(guò)程結(jié)束時(shí)，PNN顯示出與傳統(tǒng)數(shù)字神經(jīng)網(wǎng)絡(luò)相當(dāng)?shù)男阅堋?rdquo;

在整個(gè)訓(xùn)練過(guò)程中，研究人員通過(guò)近紅外相機(jī)測(cè)量從網(wǎng)格特定點(diǎn)發(fā)出的光，來(lái)監(jiān)測(cè)光子芯片。在這一階段，只有PNN的線性運(yùn)算是以光學(xué)方式實(shí)現(xiàn)的。這是計(jì)算成本最高的任務(wù)。“激活函數(shù)（與每個(gè)神經(jīng)元輸出相關(guān)的非線性操作）仍然是在芯片外以數(shù)字方式進(jìn)行的。片上非線性運(yùn)算的高效實(shí)現(xiàn)，將是邁向全光子人工智能片上計(jì)算的下一步，”Pai說(shuō)。

下一步工作

網(wǎng)絡(luò)訓(xùn)練仍處于概念驗(yàn)證階段，因?yàn)檠芯繄F(tuán)隊(duì)的初步結(jié)果是在相對(duì)較小的網(wǎng)絡(luò)上實(shí)現(xiàn)的。Pai說(shuō)，為了將訓(xùn)練規(guī)模擴(kuò)大到更大的PNN，研究人員需要更有效地控制光子芯片。目前，光子網(wǎng)格是通過(guò)熱致動(dòng)器來(lái)編程的，這種熱致動(dòng)器速度慢、耗能大，并且會(huì)受到熱串?dāng)_的影響。

利用微機(jī)電系統(tǒng)（MEMS）或電光材料，在集成硅光子芯片中實(shí)現(xiàn)更快、更節(jié)能的執(zhí)行器的解決方案正在出現(xiàn)�；�于此，研究人員可以進(jìn)一步擴(kuò)大PNN的尺寸。 集成光電探測(cè)器也可用于硅光子學(xué)，并且可以減少監(jiān)控操作中浪費(fèi)的光量，并提高精度與能耗。 

Morichetti說(shuō)：“當(dāng)需要進(jìn)行大規(guī)模計(jì)算時(shí)，光子學(xué)方法相對(duì)于傳統(tǒng)數(shù)字處理的優(yōu)勢(shì)會(huì)更加明顯。”

作者： Justine Murphy