AI對芯片的高算力以及大數(shù)據(jù)處理的需求，讓馮諾依曼架構(gòu)的電子芯片面臨著巨大的挑戰(zhàn)。這也讓量子計算、神經(jīng)擬態(tài)計算、光子計算這些前沿技術(shù)受到了越來越廣泛的關(guān)注。

其實，業(yè)界對這些技術(shù)的研究都已經(jīng)有幾十年的歷史，但出于各種因素，至今都還未大規(guī)模應(yīng)用。

光子計算在三種前沿計算技術(shù)中關(guān)注度較低，不過情況正在改變。準(zhǔn)確率接近電子芯片，完成矩陣乘法所用時間可達(dá)到最先進(jìn)電子芯片1/100以內(nèi)的光子計算芯片，或?qū)⒃诓贿h(yuǎn)的將來顛覆大數(shù)據(jù)處理等應(yīng)用。

圖片來自pikrepo

光子計算開始引發(fā)關(guān)注

光纖傳輸已經(jīng)普及，但同樣使用光子的計算近兩年才開始受到關(guān)注。曦智科技聯(lián)合創(chuàng)始人兼CEO沈亦晨表示，用光做數(shù)據(jù)傳輸不是一件新鮮的事情，光纖通信已經(jīng)成為了業(yè)界標(biāo)準(zhǔn)。這反應(yīng)出用光做數(shù)據(jù)傳輸無論是成本、能耗還是帶寬都遠(yuǎn)優(yōu)于電子。

“我覺得光通信是實現(xiàn)光子計算的必經(jīng)之路，從半導(dǎo)體的發(fā)展來看，也是先做通信再做計算，兩者最大的不同在于集成度。”沈亦晨表示。

光通信的一個模塊里可能涉及幾十到上百個光學(xué)元器件，但光子計算一個芯片就需要成千上萬個光學(xué)元器件，這就會帶來體積、封裝、控制等一系列的問題。

所謂光子計算，可以理解為將大量光學(xué)器件有序組合起來，其作用類似半導(dǎo)體芯片中的晶體管，利用不同波長，相位和強(qiáng)度的光線組合，在復(fù)雜的反射鏡、濾波器以及棱鏡結(jié)構(gòu)所組成的數(shù)組中進(jìn)行信息處理。

理論上，光子芯片規(guī)模可以做到很大，也可以做到很小，并且光的特性先天適合線性計算，包含高密度的并行計算。在AI火熱的當(dāng)下，光子芯片運行矩陣乘法效果有機(jī)會比現(xiàn)有電子芯片效果好成百上千倍，吸引了學(xué)術(shù)界和產(chǎn)業(yè)界爭相探索光子計算帶來的機(jī)會。

2015年，IBM研究人員發(fā)表了針對光子計算的新實驗性技術(shù)，把硅光子數(shù)組集成到與CPU 相同的封裝尺寸中。

2016年，麻省理工學(xué)院的研究團(tuán)隊與合作研究者提出了使用光子代替電子為理論基礎(chǔ)的計算芯片架構(gòu)。由于光和透鏡的交互作用過程本身就是一種復(fù)雜的計算——傅立葉變換，利用這個原理，使用多光束干涉技術(shù)，可以讓干涉結(jié)果反應(yīng)想要的計算結(jié)果。

2016年6月，麻省理工學(xué)院研究團(tuán)隊研發(fā)出針對深度學(xué)習(xí)的可編程納米光子處理器在arXiv提出了一份論文，該論文的第一作者及通訊作者正是沈亦晨。該論文最終在2017年發(fā)表在《自然-光子學(xué)》雜志上。

一年后，英國牛津大學(xué)研究人員使用特殊的相變材料與集成光路，模擬人腦的神經(jīng)突觸作用，由此設(shè)計出的“光子突觸”理論運行速度是人腦的千倍。

“2017年發(fā)論文時的光子計算設(shè)備體積還比較大，主要是因為當(dāng)時很多器件都是分離式的，直到2019年初，我們把所有與光相關(guān)的分立式器件都集成到一個芯片上，體積就縮小了很多。”沈亦晨表示。

圖片來源：Nature Photonics

沈亦晨創(chuàng)立的曦智科技，正是當(dāng)下讓光子計算獲得更多關(guān)注以及推動光子計算進(jìn)步不可忽略的力量。

業(yè)界首款光子計算芯片原型如何誕生？

前面已經(jīng)提到，光子計算芯片進(jìn)行矩陣乘法運算的效果比電子芯片好成百上千倍，因此光子芯片非常適合AI計算。但首先需要解決的問題是，如何將體積龐大的光子計算設(shè)備變?yōu)楦m合規(guī)模應(yīng)用的光子計算芯片？

這就得從光子計算的實現(xiàn)方式說起。沈亦晨介紹，“光子計算實現(xiàn)的方案有很多種，包括空間光、結(jié)構(gòu)光、MEMS、硅光等。我們選擇的硅光方式，是用硅作為光子的載體，利用成熟的半導(dǎo)體工藝，不僅集成度和穩(wěn)定性高，成本也很低。”

據(jù)悉，目前硅光芯片一般選用45-90nm的成熟半導(dǎo)體制程，帶來成本優(yōu)勢的同時，能夠大幅提升集成度。

“如果用傳統(tǒng)的空間光的方式做光學(xué)器件，體積在毫米或者厘米級別。但使用成熟的半導(dǎo)體制程可以讓光學(xué)器件的體積縮小到微米級別。”沈亦晨指出。

曦智科技聯(lián)合創(chuàng)始人兼CEO沈亦晨

除了集成度的大幅提升，硅光相比傳統(tǒng)的技術(shù)調(diào)制解調(diào)速率可以從千赫茲或者兆赫茲的級別提升3-4個數(shù)量級，也就是調(diào)制解調(diào)頻率可達(dá)每秒十億次甚至百億次。

集成度提升解決光子計算芯片體積挑戰(zhàn)的同時，也帶來了新的挑戰(zhàn)。“我們使用的是硅光的方式，但我們并沒有做光學(xué)晶體管，而是用另外一種方式讓光學(xué)器件能夠進(jìn)行交互產(chǎn)生計算。光子芯片的集成度提高之后，如何同時控制上萬個光學(xué)器件就是一個難點。” 沈亦晨說。

“另外，更高的集成度也帶來了散熱問題。因為之前沒有人做過，封裝有上萬個光學(xué)器件的芯片也是一個比較大的挑戰(zhàn)。而曦智的重要創(chuàng)新在于，讓上萬個光學(xué)器件同時可控。”

沈亦晨認(rèn)為，要把光學(xué)器件集成到一個芯片上問題不大，但要讓硅光芯片不僅能運行，還能滿足信噪比等計算需求，就要經(jīng)過很多次迭代。

而沈亦晨和他的團(tuán)隊敢為人先，是因為他們走在了光子計算研究的前沿。沈亦晨是數(shù)學(xué)和物理的背景，在麻省理工學(xué)院博士期間，他就覺得將光子計算和AI結(jié)合是一個很有趣的方向，并且有很大的潛力。隨著深入的嘗試與探索，他越來越發(fā)現(xiàn)這是值得投入更多時間和資源去做的事情。博士畢業(yè)后，沈亦晨就和志同道合的朋友開始將研究在產(chǎn)業(yè)界進(jìn)行轉(zhuǎn)化。

于是，2016年，沈亦晨與麻省理工學(xué)院的幾個博士好友，共同創(chuàng)立了全球首家光子計算公司。他們的目標(biāo)是利用已經(jīng)擁有的大量自主知識產(chǎn)權(quán)以及包括集成光學(xué)器件設(shè)計、集成光電系統(tǒng)和深度學(xué)習(xí)算法在內(nèi)的核心技術(shù)推動光子計算芯片的商業(yè)化落地。

成立之初，曦智科技團(tuán)隊就獲得了資本的認(rèn)可，得到了頂級風(fēng)險投資機(jī)構(gòu)千萬美元級別的首輪融資。2018年，他們又在上海成立中國團(tuán)隊，經(jīng)過兩輪總額達(dá)3670萬美元的融資，曦智科技成為了目前全球融資額最高的光子計算創(chuàng)業(yè)公司。

世界第一款光子計算芯片原型板卡Prototype

到了2019年，沈亦晨的團(tuán)隊對外宣布成功開發(fā)出世界第一款光子計算芯片原型板卡（Prototype），并通過視頻展示了Prototype運行了Google Tensorflow 自帶的卷積神經(jīng)網(wǎng)絡(luò)模型來處理 MNIST 數(shù)據(jù)集。這是一個使用計算機(jī)視覺識別手寫數(shù)字的基準(zhǔn)機(jī)器學(xué)習(xí)模型，也是機(jī)器學(xué)習(xí)中最著名的基準(zhǔn)數(shù)據(jù)集之一。

世界第一款光子計算芯片原型板卡運行 MNIST

測試中，整個模型超過 95% 的運算在光子芯片上完成，且光子芯片完成矩陣乘法所用的時間可達(dá)到最先進(jìn)的電子芯片的 1/100 以內(nèi)。

至于最近進(jìn)展和成果，沈亦晨只表示下一個分享的系統(tǒng)一定會比上一個好很多，具體時間現(xiàn)在還無法透露。

對于曦智科技為什么能夠成為全球最先發(fā)布光子計算芯片的公司，沈亦晨解釋說他博士期間的研究就是解決用硅光做高速的累乘計算和開發(fā)合適光子計算的算法。而曦智科技的其他創(chuàng)始成員在博士甚至博士之前就在研究利用光子的數(shù)據(jù)搬運和信號處理。

創(chuàng)始團(tuán)隊更早研究光子計算和AI的結(jié)合，技術(shù)和經(jīng)驗的積累成就了曦智科技的首款光子AI芯片。

但沈亦晨強(qiáng)調(diào)，“我們覺得在現(xiàn)在階段，在開始設(shè)計時就需要設(shè)計一個光電混合的芯片系統(tǒng)，然后從架構(gòu)的各方面優(yōu)化整個系統(tǒng)的性能。并不是先設(shè)計一個光子芯片，再加上電子芯片。”

硬件有了，軟件將在很大程度影響光子計算芯片能夠拓展的邊界。

光子芯片即將顛覆大數(shù)據(jù)處理

為了實現(xiàn)更好的大數(shù)據(jù)計算，軟硬件的融合以及對算法的支持非常重要。沈亦晨表示，“我們的芯片兼容TensorFlow和Caffe等框架的挑戰(zhàn)與數(shù)字AI芯片非常接近，因為最后和軟件交互的也是數(shù)字芯片。”

算法方面，雷鋒網(wǎng)(公眾號：雷鋒網(wǎng))了解到，曦智科技的光子芯片現(xiàn)在能夠兼容絕大部分的機(jī)器學(xué)習(xí)算法，同時，他們也會提供一套算法指導(dǎo)，針對他們的光子芯片來專門優(yōu)化算法，最大程度發(fā)揮光子芯片的優(yōu)勢。

他進(jìn)一步說，“我們最終要做的是能夠商業(yè)化廣泛應(yīng)用的芯片，所以需要把框架做得更廣一些，希望目標(biāo)芯片也可以兼容神經(jīng)網(wǎng)絡(luò)之外的一些算法。最近也有一些突破，比如把光子芯片應(yīng)用于優(yōu)化處理的問題上，像是材料、藥物研發(fā)以及路徑的優(yōu)化。”

要讓光子芯片在不犧牲性能和精度的前提下兼容性更高，有兩方面的難點：硬件層面需要把信噪比控制得更好，軟件層面需要使用一些精度提升的技術(shù)。也就是說，無論是性能還是通用性的提升，都需要系統(tǒng)級的優(yōu)化，包括光子、電子以及周邊器件的共同優(yōu)化。

曦智科技產(chǎn)品模型圖

隨之而來的問題是，光子芯片會帶來哪些改變或者說變革？沈亦晨說：“光子芯片整體而言是對電子芯片的補(bǔ)充，在個別場景會是一個顛覆，比如大數(shù)據(jù)處理以及優(yōu)化的相關(guān)場景。”

服務(wù)器和數(shù)據(jù)中心也正是曦智科技光子芯片落地的首選場景，這是因為數(shù)據(jù)中心的環(huán)境相對可控，并且這一市場會更多地考慮附加值，使光子芯片的算力優(yōu)勢能夠更好地發(fā)揮出來。

雖然沈亦晨沒有透露商用光子芯片的發(fā)布時間，但他表示應(yīng)該不會太久。

當(dāng)然，想要在數(shù)據(jù)中心以及大數(shù)據(jù)處理相關(guān)的場景實現(xiàn)顛覆，光子芯片也面臨不少挑戰(zhàn)。“首先是技術(shù)上的挑戰(zhàn)，包括集成度的提升、封裝等。其次是軟件生態(tài)的挑戰(zhàn)，要讓客戶接受新的軟件。”沈亦晨認(rèn)為，“客戶對于產(chǎn)品的感興趣程度一定程度上可能也取決于硬件底層架構(gòu)的優(yōu)越性，所以和同類數(shù)字芯片初創(chuàng)公司相比，我們在底層硬件上的一些不同點，也是我們的機(jī)會所在。”

新的機(jī)會自然也不會是光子芯片的專屬，量子計算以及神經(jīng)擬態(tài)計算也都是很有前景的技術(shù)。沈亦晨說，光計算與量子計算在應(yīng)用的探索上有部分重疊，競爭肯定會存在，關(guān)鍵的是哪一種技術(shù)能夠更快更好地解決挑戰(zhàn)。但神經(jīng)擬態(tài)的算法也可以運行在光子芯片上，甚至更適合，所以神經(jīng)擬態(tài)計算和光子計算沒有競爭關(guān)系。

雷鋒網(wǎng)小結(jié)

作為當(dāng)下最受關(guān)注的技術(shù)，AI的應(yīng)用和發(fā)展將給眾多行業(yè)帶來顛覆。而AI進(jìn)步的前提是有性能和能效足夠高的AI芯片。為了能夠滿足AI需求，業(yè)界一方面在現(xiàn)有的架構(gòu)上進(jìn)行創(chuàng)新，推出更好的數(shù)字AI芯片。另一方面，積極探索新的計算技術(shù)，包括量子計算、神經(jīng)擬態(tài)計算、光子計算。

雖然光子計算是其中受關(guān)注程度最低的，不過隨著以曦智科技為代表的公司在該領(lǐng)域上取得更多突破，光子計算將會獲得更大的關(guān)注，與其它技術(shù)一起變革對算力需求更高、滿足現(xiàn)有計算技術(shù)無法滿足的應(yīng)用需求。

注，文中未特別注明圖片來源的圖片均來自曦智科技

總結(jié)

以上是生活随笔為你收集整理的速度提升百倍：颠覆性的光子计算来了的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。