9月15日消息，據(jù)scitechdaily消息，近日，一支由美國佛羅里達大學帶領的工程師團隊研發(fā)出一款基于光學計算的新型AI 芯片，采用激光與微型Fresnel 透鏡代替?zhèn)鹘y(tǒng)電子電力計算，實現(xiàn)了AI計算能效提升10至100倍的重大創(chuàng)新。

該芯片專注于深度學習中的關(guān)鍵計算──“卷積”計算，這是人工智能如何解釋照片、視頻甚至書面語言的核心過程。“卷積”計算也是機器學習模型在圖象和模式識別中耗能最大的步驟。

全新光學AI芯片的設計通過將激光器和微型透鏡直接集成到電路板上來解決這個問題，使芯片能夠以顯著更少的能量和更高的速度完成這些計算。在早期試驗中，該芯片在識別手寫數(shù)字時達到了約 98% 的準確率，與傳統(tǒng)電子芯片的性能相當。

人工智能效率的飛躍

“在接近零能量的情況下執(zhí)行關(guān)鍵的機器學習計算是未來人工智能系統(tǒng)的飛躍，”研究負責人、佛羅里達大學萊茵斯半導體光子學教授 Volker J. Sorger 博士說。“這對于在未來幾年繼續(xù)擴大人工智能能力至關(guān)重要。”

“這是第一次有人將這種類型的光學計算放在芯片上并將其應用于人工智能神經(jīng)網(wǎng)絡，”佛羅里達大學索爾格小組的研究副教授、該研究的合著者Hangbo Yang博士說。

該項目由佛羅里達大學半導體光子學教授Volker J. Sorger與研究員Hangbo Yang領銜，并攜手佛羅里達半導體研究所、加州大學洛杉磯分校及喬治華盛頓大學合作，成果已于9月8日發(fā)表于《先進光子學》期刊，并獲得美國海軍研究辦公室資助。

原型芯片使用兩組采用標準制造工藝的微型菲涅爾透鏡。這些在燈塔中發(fā)現(xiàn)的相同鏡片的二維版本只是人類頭發(fā)寬度的一小部分。機器學習數(shù)據(jù)，例如來自圖像或其他模式識別任務的數(shù)據(jù)，被轉(zhuǎn)換為片上的激光并通過透鏡。然后將結(jié)果轉(zhuǎn)換回數(shù)字信號以完成 AI 任務。

光計算的優(yōu)勢

這種基于透鏡的卷積系統(tǒng)不僅計算效率更高，而且還減少了計算時間。使用光代替電還有其他好處。Sorger 的團隊設計了一種芯片，可以使用不同顏色的激光器并行處理多個數(shù)據(jù)流。

“我們可以讓多種波長或顏色的光同時穿過透鏡，”Hangbo Yang說。“這是光子學的一個關(guān)鍵優(yōu)勢。”

行業(yè)領導者英偉達等芯片制造商已經(jīng)將光學元件整合到其人工智能系統(tǒng)的其他部分，這可能使卷積鏡頭的添加更加無縫。

“在不久的將來，基于芯片的光學器件將成為我們?nèi)粘Ｊ褂玫拿總€人工智能芯片的關(guān)鍵部分，”兼任佛羅里達半導體研究所戰(zhàn)略計劃副主任的Sorger說。“接下來是光學人工智能計算。”

值得一提的是，佛羅里達大學于2025財年籌得5.6億美元，重點投資包括AI及半導體技術(shù)，為此類創(chuàng)新產(chǎn)品提供堅實資金后盾。產(chǎn)業(yè)界巨頭英偉達等也開始在AI系統(tǒng)中融入光學元件，這一突破有望加速光子計算在AI硬件的商業(yè)化。