近日，來自斯威大學技大學（Swinburne University of Technology）的國際研究團隊展示了他們最新的研究成果：世界上最快的人工智能光學神經形态處理器，其運算速度超過每秒10萬億次運算（TeraOPs / s），能夠處理超大規模資料。
這項發表在《自然》上的研究成果代表了神經網絡和神經形态處理的巨大飛躍。
內建的光學微梳晶片，圖檔來自Swinburne大學
人工神經網絡是人工智能的一種重要形式，它可以“學習”并執行複雜的操作，已廣泛應用于計算機視覺、自然語言處理、面部識别、語音翻譯和許多其他領域。
受大腦視覺皮層的生物結構啟發，人工神經網絡能夠提取原始資料的關鍵特征，準确并快速地預測屬性和行為。
該團隊研發的光學神經形态處理器，其運作速度比以往任何處理器都要快1000多倍。該系統還可以處理超大型圖像，足以實作全臉部圖像識别，這是其他光學處理器無法做到的。
斯威大學技大學光學科學中心主任David Moss教授介紹說：“這項突破是通過‘光學微梳（microcomb）’實作的。”
雖然最先進的電子處理器，例如Google TPU，可以以超過100 TeraOPs / s的速度運作，但需要通過數萬個并行處理器來實作。而該團隊示範的光學系統隻使用單個處理器，并且通過內建的微梳源在時間、波長和空間次元上同時進行資料交錯的新技術實作。
光子卷積加速器的工作原理，圖檔來自Swinburne大學
微梳是一種新裝置，它由單個晶片上數百個高品質的紅外雷射器組成，就像一道彩虹，它們比其他光源更快、更小、更輕、更便宜。
“在我們發明微梳晶片的十年中，內建微梳晶片變得越來越重要，看到它們在資訊通信和處理領域取得的巨大進步，我們十分欣慰。微梳為我們提供了巨大的希望，可以滿足世界對資訊的無限需求”，Moss教授說。
團隊成員Xingyuan Xu說：“該處理器可以用作任何神經形态硬體（基于光學或電子）的通用超高帶寬前端，将海量資料機器學習用于實時超高帶寬資料将觸手可及。”
Xu解釋說：“我們目前處于未來處理器發展的巅峰時期。這項研究證明，通過微梳的創新使用，我們可以顯著地擴充處理器的能力。”RMIT的Mitchell教授補充說：“這項技術适用于所有形式的處理和通信，從長遠來看，我們希望在晶片上實作完全內建的系統，以降低成本和能耗。”
卷積神經網絡一直是人工智能革命的核心，但是現有的矽技術在處理速度和能源效率方面日益成為瓶頸。斯威大學技大學團隊研究成果展示了新的光學技術如何使卷積神經網絡更高效，并且深刻揭示了跨學科思維的好處。