新型光芯片可执行深度神经网络关键计算.pdfVIP

2024年12月第12期

参考文献：47（2）：42-48；55.

[1]HAASHarald.Wirelessdatafromeverylightbulb[EB/[6]魏志丽，何应侯，罗俊彬.基于STM32单片机的智能健

OL].（2011-07-01）[2024-04-22].https://www.ted.com/康腕表设计[J].机电工程技术，2023，52（3）：

talks/harald_haas_wireless_data_from_every_light_bulb.241-245.

[2]《中国无线电》编辑部.可见光通信LiFi[J].中国无线[7]王虎城，周晋军，皮依标，等.基于光传感器和单片机

电，2015（12）：54.的校园路灯控制系统设计[J].科技广场，2011（1）：

[3]方晓东.Zigbee，UWB，LiFi三种无线通信技术及其特142-144.

点[J].科技创新与生产力，2016（10）：101-103.[8]马媛.基于ESP8266的无线通信系统设计[J].电子测

[4]迟楠，石蒙，哈依那尔，等.LiFi：可见光通信技术发试，2022，36（5）：44-46.

展现状与展望[J].照明工程学报，2019，30（1）：[9]余靓辉，吴刚，石金进.基于Linux的模块化图像采

1-9；14.集系统设计[J].南方农机，2023，54（20）：

[5]张丽萍.LiFi技术发展综述[J].现代电信科技，2017，152-155.

信息与动态

新型光芯片可执行深度神经网络关键计算

据报道，2024年12月2日发表在《自然·光单元，克服了这一挑战。他们通过结合电子学和

子学》杂志上的论文称，美国麻省理工学院科学光学技术，在芯片上实现了非线性操作，从而实

家开发出一种全集成光芯片。它能以光学方式执现在光芯片上构建光学深度神经网络。其中，神

行深度神经网络所需的所有关键计算，为制造能经网络参数编码作为光信号，通过可编程分光镜

实时学习的高速处理器打开了大门。阵列进行矩阵乘法，再由非线性光学功能单元实

这种新型光芯片能够在不到半纳秒的时间内，现非线性功能，无需外部放大器，能耗极低。

完成机器学习分类任务的关键计算，性能与传统该光芯片在训练测试中准确率超96%，推理

硬件相当。该芯片由相互连接的模块组成，形成准确率超92%，且执行关键计算时间不到半纳秒。

一个光学神经网络，并采用商业代工工艺制造，整个电路采用与制造互补金属氧化物半导体芯片

这有助于技术的扩展和与电子产品集成。相同的基础设施和工艺，有利于大规模生产和降

深度神经网络由多层相互连接的节点组成，低制造误差。这一研究为在光芯片上高效训练深

执行线性和非线性操作以处理复杂数据。其中，度神经网络提供了可能。

非线性运算（如激活函数）使深度神经网络能够从长远来看，光芯片有望实现更快、更节能

解决复杂问题。2017年，麻省理工学院恩格伦德的深度学习，适用于激光雷达、天文学和粒子物

小组与马林·索尔贾契奇实验室合作，在光芯片理学等领域的研究或高速电信等计算要求高的

上演示了能执行矩阵乘法的光学神经网络，但这应用。

种设计无法在芯片上直接进行非线性操作。设计（作者：张佳欣；下载网址：https://digitalpaper.stda