如果問一個問題——能夠進行深度神經(jīng)網(wǎng)絡(luò)計算的芯片有哪些？大家給出的答案可能五花八門：CPU、GPU、DSP、NPU……

過去幾年里，電子計算已經(jīng)成為實現(xiàn)人工智能算法——尤其是深度神經(jīng)網(wǎng)絡(luò)模型——最重要的算力支撐。盡管具體的硬件架構(gòu)各有不同，但一言以蔽之，都是采用了馮諾依曼型的計算原理，即VLSI（超大規(guī)模集成電路）的“電子＋邏輯”信息處理模式，以復(fù)雜的邏輯電路和處理器芯片來完成計算任務(wù)。

但是電子方法有其先天缺陷：一是信號之間容易相互干擾，對需要高密度連接的神經(jīng)網(wǎng)絡(luò)帶來一定的困難；二是能源需求太高，導(dǎo)致計算成本居高不下。

在以AI為主旋律的“數(shù)字基建”大規(guī)模爆發(fā)前夜，在算力上未雨綢繆，自然也就成了學(xué)術(shù)界和產(chǎn)業(yè)界共同關(guān)注的頭等大事。

最近，明斯特大學(xué)、牛津大學(xué)和�？巳�特大學(xué)的研究人員就共同實現(xiàn)了一項新的計算芯片，采用光學(xué)系統(tǒng)來幫助神經(jīng)網(wǎng)絡(luò)進行“學(xué)習(xí)”，以此實現(xiàn)計算、識別等行為。

不過，無論是光學(xué)計算，還是類腦芯片，類似的提法其實在學(xué)界早已有之，并且由于自身的局限性一直進展緩慢。那么，光學(xué)深度學(xué)習(xí)芯片的出現(xiàn)，是否真的突破了先天的技術(shù)桎梏，又意味著哪些新的產(chǎn)業(yè)機遇呢？

光學(xué)計算＋深度神經(jīng)網(wǎng)絡(luò)的“攪和”歷史

在介紹新計算硬件之前，先言簡意賅地解答一下大家心中可能存在的困惑——光到底是如何進行計算的？又為什么比電子方法更有優(yōu)勢呢？

我們知道，深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)是模仿人類大腦神經(jīng)元的運行方式而來的。在每一層中，來自上一層（或者輸入源）的信號經(jīng)由神經(jīng)元處理，將結(jié)果和前向信號傳遞給下一層的神經(jīng)元。

很顯然，這種計算方式需要依賴神經(jīng)元之間的大量、動態(tài)的連接才能完成，會對大多數(shù)使用電子方法的集成電路造成壓力。

因此，大家紛紛開始研究其他硬件，光學(xué)芯片因此成為“全村的希望”。

2017年，MIT的研究人員就研發(fā)出了一種使用光子技術(shù)實現(xiàn)神經(jīng)網(wǎng)絡(luò)的方法。他們使用一系列相互連接的波導(dǎo)管（傳輸微波波段的電磁波裝置），來為特定的計算編程。而處理器則通過一系列耦合光子波導(dǎo)來引導(dǎo)光線，因此只需要運用鏡片改變光線的方向，就可以達成運算。

可編程、低能耗，聽起來是不是棒棒噠？不過這種方式打造的硬件準確率實在是不太令人滿意，只有77％，被傳統(tǒng)方法吊打的節(jié)奏啊。

不過科學(xué)家們并沒有認輸，2018年加州大學(xué)洛杉磯分校的科學(xué)家們又將光學(xué)深度學(xué)習(xí)送上了《Science》雜志。

這次，科學(xué)家們采用3D 打印的方式制造出了一種全光學(xué)的深度學(xué)習(xí)框架D2NN。

簡單來說，研究人員訓(xùn)練出了能夠識別不同數(shù)據(jù)類型的光學(xué)網(wǎng)絡(luò)模型，并為它們分別創(chuàng)建了模型，該模型由多個像素層組成，每個像素之間如同神經(jīng)元一樣進行連接，并通過光來傳輸信息。

然后，研究人員采用五層 3D 打印塑料對仿真模型進行物理再現(xiàn)，固態(tài)成品的探測器就可以通過物體表面反射的光來判斷出相應(yīng)的分類結(jié)果。

這種由光學(xué)元件堆疊而成的神經(jīng)網(wǎng)絡(luò)硬件，準確率能達到 91．75％，成本相對便宜，但是卻很難做到器件的小型化，難以處理復(fù)雜的數(shù)據(jù)及圖像分析，而且所有參數(shù)3D打印之后就不能被再次編程了。

（使用 3D 打印的“人工神經(jīng)網(wǎng)絡(luò)”芯片）

總結(jié)一下就是，此前的研究都對光學(xué)計算＋神經(jīng)網(wǎng)絡(luò)的解決方案提出了自己的方法，但帶來的問題多于答案，科學(xué)家們不得不繼續(xù)探索。

全光學(xué)神經(jīng)突觸系統(tǒng)：能否刷新光學(xué)計算的進程？

5月8日，來自德國明斯特大學(xué)的科學(xué)家將其研究成果發(fā)布在了《Nature》雜志上。

論文《All－optical spiking neurosynaptic networks with self－learning capabilities》（具有自學(xué)習(xí)功能的全光學(xué)尖峰神經(jīng)突觸網(wǎng)絡(luò)），提出了一種可以在毫米級光子芯片上實現(xiàn)的全光學(xué)神經(jīng)網(wǎng)絡(luò)。

研究人員是這么設(shè)想的：

輸入的數(shù)據(jù)（即光波導(dǎo)）可以被微米級環(huán)狀諧振器調(diào)制成不同的波長，然后注入網(wǎng)絡(luò)并停留在光學(xué)微芯片上。接著利用集成在一起的相變材料，來實現(xiàn)權(quán)重調(diào)制，這種物質(zhì)可以由光觸發(fā)顯著的變化，非常適合模擬突觸和神經(jīng)元之間的“沖動”。

信息在光學(xué)神經(jīng)網(wǎng)絡(luò)中的傳輸，就好像是兩組人（單個波導(dǎo)的兩條路徑）同時在玩?zhèn)髀曈螒颍�需要隔的距離比較遠，來防止另一個組的聲音干擾（耦合）。同時還不能有人亂開腦洞急轉(zhuǎn)彎，免得傳話內(nèi)容南轅北轍（光離開波導(dǎo)）。

因此，在每個組的傳話過程中，都派出一個小秘書（相變材料），根據(jù)每組任務(wù)（權(quán)重）的不同，在每次傳遞過程中（微環(huán)諧振器的入口和出口處），對隊員們向下傳遞的信息進行微調(diào)，將被傳錯／修改的信息復(fù)位，這樣就能最大限度地保證每個隊伍向后傳遞的信息，既能保持差異，又足夠準確。

為了證明這一點，研究人員開發(fā)了一個由四個人工神經(jīng)元和60個突觸組成的芯片。