如果問(wèn)一個(gè)問(wèn)題——能夠進(jìn)行深度神經(jīng)網(wǎng)絡(luò)計(jì)算的芯片有哪些？大家給出的答案可能五花八門(mén)：CPU、GPU、DSP、NPU……

過(guò)去幾年里，電子計(jì)算已經(jīng)成為實(shí)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(jì)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(lái)完成計(jì)算任務(wù)。

但是電子方法有其先天缺陷：一是信號(hào)之間容易相互干擾，對(duì)需要高密度連接的神經(jīng)網(wǎng)絡(luò)帶來(lái)一定的困難；二是能源需求太高，導(dǎo)致計(jì)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(shí)現(xiàn)了一項(xiàng)新的計(jì)算芯片，采用光學(xué)系統(tǒng)來(lái)幫助神經(jīng)網(wǎng)絡(luò)進(jìn)行“學(xué)習(xí)”，以此實(shí)現(xiàn)計(jì)算、識(shí)別等行為。

不過(guò)，無(wú)論是光學(xué)計(jì)算，還是類腦芯片，類似的提法其實(shí)在學(xué)界早已有之，并且由于自身的局限性一直進(jìn)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(jī)遇呢？

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

在介紹新計(jì)算硬件之前，先言簡(jiǎn)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(jìn)行計(jì)算的？又為什么比電子方法更有優(yōu)勢(shì)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(yùn)行方式而來(lái)的。在每一層中，來(lái)自上一層（或者輸入源）的信號(hào)經(jīng)由神經(jīng)元處理，將結(jié)果和前向信號(hào)傳遞給下一層的神經(jīng)元。

很顯然，這種計(jì)算方式需要依賴神經(jīng)元之間的大量、動(dòng)態(tài)的連接才能完成，會(huì)對(duì)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(kāi)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(shí)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(lái)為特定的計(jì)算編程。而處理器則通過(guò)一系列耦合光子波導(dǎo)來(lái)引導(dǎo)光線，因此只需要運(yùn)用鏡片改變光線的方向，就可以達(dá)成運(yùn)算。

可編程、低能耗，聽(tīng)起來(lái)是不是棒棒噠？不過(guò)這種方式打造的硬件準(zhǔn)確率實(shí)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(guò)科學(xué)家們并沒(méi)有認(rèn)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(jiǎn)單來(lái)說(shuō)，研究人員訓(xùn)練出了能夠識(shí)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(gè)像素層組成，每個(gè)像素之間如同神經(jīng)元一樣進(jìn)行連接，并通過(guò)光來(lái)傳輸信息。

然后，研究人員采用五層 3D 打印塑料對(duì)仿真模型進(jìn)行物理再現(xiàn)，固態(tài)成品的探測(cè)器就可以通過(guò)物體表面反射的光來(lái)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(zhǔn)確率能達(dá)到 91．75％，成本相對(duì)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(duì)光學(xué)計(jì)算＋神經(jīng)網(wǎng)絡(luò)的解決方案提出了自己的方法，但帶來(lái)的問(wèn)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(jì)算的進(jìn)程？

5月8日，來(lái)自德國(guó)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(jí)光子芯片上實(shí)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(jí)環(huán)狀諧振器調(diào)制成不同的波長(zhǎng)，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(lái)實(shí)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(dòng)”。

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(gè)波導(dǎo)的兩條路徑）同時(shí)在玩?zhèn)髀曈螒颍�需要隔的距離比較遠(yuǎn)，來(lái)防止另一個(gè)組的聲音干擾（耦合）。同時(shí)還不能有人亂開(kāi)腦洞急轉(zhuǎn)彎，免得傳話內(nèi)容南轅北轍（光離開(kāi)波導(dǎo)）。

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

為了證明這一點(diǎn)，研究人員開(kāi)發(fā)了一個(gè)由四個(gè)人工神經(jīng)元和60個(gè)突觸組成的芯片。