计算速度比电子芯片快约1000倍，功耗却更低的光芯片，作为一种创新型技术，以其独特的光速处理能力和低能耗特性，被寄予厚望。
今天，来自清华电子工程系的研究团队，在光芯片方面，取得了重要突破！
光电智能技术交叉创新团队部分成员合影 （左三为戴琼海院士、右二为方璐副教授）
他们摒弃传统电子深度计算范式，另辟蹊径，首创分布式广度智能光计算架构，设计了一种能以极高能效解决先进 AI 任务的大规模光芯片——Taichi，有效地将光子架构的网络规模提升到百万神经元级别，与其他光子集成电路相比，能效提高了两倍，适用于现实世界中的高级 AGI 应用。
Taichi 光芯片
该研究成果于北京时间4月12日凌晨以《大规模光芯片“太极”赋能160 TOPS/W通用人工智能》为题发表在最新一期的《科学》（Science）上。
方璐、戴琼海为论文的通讯作者，电子工程系博士生徐智昊、博士后周天贶（清华大学水木学者）为论文第一作者。
化 " 深 " 为 " 广 "：分布式广度光计算架构
光计算是将计算载体从电变为光，利用光在芯片中的传播进行计算，以其超高的并行度和速度，被认为是未来颠覆性计算架构的最有力竞争方案之一。
光芯片具备高速高并行计算优势，被寄予希望用来支撑大模型等先进人工智能应用。
智能光计算作为新兴计算模态，在后摩尔时代展现出有望超越硅基电子计算的潜力。然而其计算任务局限于简单的字符分类、基本的图像处理等。其痛点是光的计算优势被困在了不适合的电架构中，计算规模受限，无法支撑亟需高算力与高能效的复杂大模型智能计算。
帮助光计算“挣脱”算力瓶颈，另辟蹊径，“从0到1”重新设计适合光计算的新架构，是这个清华团队迈出的关键一步。
相异于电子神经网络依赖网络深度以实现复杂的计算与功能，“太极”光芯片架构源自光计算独特的‘全连接’与‘高并行’属性，化深度计算为分布式广度计算，为实现规模易扩展、计算高并行、系统强鲁棒的通用智能光计算探索了新路径。
据论文第一作者、电子系博士生徐智昊介绍，在“太极”架构中，自顶向下的编码拆分-解码重构机制，将复杂智能任务化繁为简，拆分为多通道高并行的子任务，构建的分布式‘大感受野’浅层光网络对子任务分而治之，突破物理模拟器件多层深度级联的固有计算误差。
两仪一元：干涉-衍射融合计算芯片
团队以周易典籍‘易有太极，是生两仪’为启发，建立干涉-衍射联合传播模型，融合衍射光计算大规模并行优势与干涉光计算灵活重构特性，将衍射编解码与干涉特征计算进行部分/整体重构复用，以时序复用突破通量瓶颈，自底向上支撑分布式广度光计算架构，为片上大规模通用智能光计算探索了新路径。
据论文报道：Taichi 可以实现每瓦 160 万亿次操作的能效，并支持超过 1000 个类别的图像分类，并在 1623 个类别的 Omniglot 数据集上达到了 91.89% 的准确率，超现有智能芯片 2—3 个数量级，可以为百亿像素大场景光速智能分析、百亿参数大模型训练推理、毫瓦级低功耗自主智能无人系统提供算力支撑。
“太极”光芯片有望为大模型训练推理、通用人工智能、自主智能无人系统提供算力支撑。
方璐表示，“之所以将光芯片命名为‘太极’，也是希望可以在如今大模型通用人工智能蓬勃发展的时代，以光子之道，为高性能计算探索新灵感、新架构、新路径。”
尽管研究团队在光电芯片领域实现了重大突破。但研究团队表示，光芯片与 AI 的结合依然面临着一些难题和挑战。
例如，光芯片的制造和集成仍然是一个技术难题；光芯片的计算模型和算法需要进一步研究和优化；光芯片的应用领域也需要进一步拓展等等。
研究团队认为，要想解决以上挑战，需要在技术创新、算法优化和应用拓展等多方面继续努力。
方璐认为，这次突破性科研成果的成功取得，是清华大学深入推进有组织科研的一次生动实践。
该课题受到科技部2030“新一代人工智能”重大项目、国家自然科学基金委杰青项目、基础科学中心项目，清华大学-之江实验室联合研究中心支持。
来源：蜂耘网
