光计算（一）—— 片上人工智能光计算芯片发展背景

☆前言

  今天起小编将开一个新专栏，交流“光计算”主题相关的知识。考虑到读者专业性质的差别，本专栏将由浅入深、从框架到具体文献方案、从概念到公式，逐步深入完整地和大家讲述“光计算”的故事，了解科研界最新的动向。以下是本专栏暂定的文章预告，欢迎对本专栏后续推文感兴趣的读者订阅加关注公众号

---

☆全球算力规模不断扩大，传统电子计算机局限性日渐凸显

  随着人工智能、GPT大模型和自动驾驶等新兴技术的快速发展，超高速和高能效计算的需求呈指数级增长。
  下图1左图显示了过去十年人工智能大模型的能耗随时间的发展趋势，可见人工智能对于计算效率的需求是贪婪的，而现有冯·诺依曼架构下的传统电子信号处理器难以同时实现高算力和低能耗。

图1.上：神经网络规模随时间的发展趋势； 下：AI算力需求指数增长，摩尔定律失效。

  此外，图1右图显示了AI算力需求的增长可以划分为两个阶段：（1）从1959年至2012年，AI算力需求的增长和摩尔定律增速相当，意味着电子芯片可以满足 AI算力增长的需要。（2）从2012年至今，AI计算中的浮点计算量以指数速率快速增长，算力需求每3.4个月增长一倍，远远超越摩尔定律每18-24个月增长一倍的速度，同时也伴随着能耗问题庞大的算力需求给现有的电子处理器带来极大的压力，亟待研究新模式的硬件架构来缓解摩尔定律增速与算力需求增速之间的矛盾关系。

  由此可知，光计算有望突破电子计算瓶颈，成为未来探索的重要方向。

☆光学赋能人工智能，突破电芯片计算瓶颈

  光计算，是采用光作为信息处理的基本载体以实现信息处理或数据运算的新型计算体系。 光计算能够发挥光的高带宽、低能耗、抗干扰、并行等优势，适合处理人工智能、信号处理组合优化等复杂特定任务，是新型计算架构的重要发展方向。

  片上人工智能光计算芯片，是利用当前集成光电子领域的各种器件、系统实现人工智能领域的各种深度学习模型的一种集成光电子芯片。 一句话就是说，当电芯片的局限性开始凸显，光芯片就应运而生，需要做的就是将“光”赋能给传统的人工智能算法，在光学上以更快的计算速度、更低的计算能耗运行人工智能算法。

☆全球光计算芯片竞赛，中国出台政策推动发展

  光计算的发展历程可以追溯至上世纪40年代，但直到近5年才开始成为研究热潮。

图3. 光计算发展历程

  美国国防部高级研究计划局(DARPA) 早在2019年就启动“未来计算系统”项目以研究具备深度学习能力、高算力和低功耗的集成光子芯片。

片上光计算芯片示意图   **欧盟**在2020开始启动PHOOUSING项目，致力于开发基于集成光子技术的将经典过程和量子过程结合起来的混合计算系统。

  当然我国科技部“十四五”重点专项申报指南中，也将信息光子技术、高性能计算、物态调控、光电混合AI加速计算芯片列为重要内容，其中包括光电混合AI加速计算芯片、量子计算、基于固态微腔光电子芯片、光学神经拟态计算系统等技术的研发

集成衍射神经网络芯片

  总之，在如何为智能时代提供更强大的算力上，领先国家已在思考下一波的发展浪潮，光计算正是颇具潜力的选项之一，尽管推动光计算芯片从科研界走向工业界道依旧阻且长，但刻不容缓。

---

  下一篇推文将进一步深入介绍广义及狭义上的 “光计算”概念及分类，同时介绍人工智能光计算芯片系统设计流程，以及光电混合的AI加速计算芯片架构。

  欢迎大家点赞+关注，点赞超过100就接着写下一篇推文！由于小编水平有限，也还在持续学习中，分享过程中难免出现一些缺点和错误，殷切希望大家批评指正，我们一起进步！

---

-------------THE END-------------

休息一下~

文章来源于公众号：Lightigo
文章链接
https://mp.weixin.qq.com/s/jMSO6QYtwfwncxEMOsYPlA
本文仅用于学术分享，如有侵权，请联系后台作删文处理