浙江一对夫妇靠筷子撑IPO
06-17
牛津大学2016年发表用于计算的光子芯片研发成果，其研究人员利用特殊相变技术利用材料和集成光路，模拟人脑的突触功能，设计出理论运行速度是人脑一千倍的“光子突触”。
事实上，麻省理工学院的研究团队和合作研究人员也得出了类似的发现。
早些时候，他们提出了一种基于使用光子而不是电子的理论的计算芯片架构。
由于光与透镜之间的相互作用过程本身就是一个复杂的计算：傅里叶变换——利用这一原理并利用多光束干涉技术，相关搜索可以反映所需的计算结果。
这种芯片架构被研究团队称为可编程纳米光子处理器。
今年6月，麻省理工学院研究团队提出了一篇关于可编程纳米光子处理器的论文，并发表在《自然-光子》杂志上。
论文第一作者、通讯作者沉亦辰，出生于杭州，现任Lightelligence联合创始人兼CEO，是《麻省理工科技评论》评选的35名35岁以下中国科技创新青年之一。
光子计算在处理一些人工智能算法方面具有独特的优势。
目前在沉亦辰领导下的Lightelligence全面致力于光芯片相关技术的研发，包括芯片设计、核心算法、传输、外设等，旨在打造完整的光计算生态系统。
由于Lightelligence开发的技术可能彻底改变计算生态系统，因此受到了极大关注，包括将云计算作为核心发展项目的百度，以及许多美国半导体行业高管，都看好光子芯片的未来。
成为 Lightelligence 的早期投资者。
沉亦辰告诉DT君，由于他在MIT博士班的科研项目主要集中在纳米光子，所以2016年AI应用迅速起飞。
众所周知，除了数据之外，硬件对于AI应用也非常重要，所以在计算环境中应用光子的想法已经开始。
但为什么在 2000 年之前没有人想到利用光子效应来计算神经网络呢？沉亦辰表示，这是因为过去神经网络计算并不流行，传统逻辑计算也不是光子计算最擅长的。
事实上，光子芯片可能是未来最适合AI计算的硬件架构。
这是因为光的特性天生适合线性计算（AI计算最重要的部分），其中包括高维并行计算。
相比之下，虽然量子计算最近因为人工智能而受到关注，但量子计算仍然更专注于擅长解码或搜索的领域。
此外，量产的生态尚未成熟，但潜力不可小觑。
从传输到计算，光子芯片会成为最终的计算解决方案吗？从2017年开始，英特尔推出首款采用标准CMOS工艺的电子混合硅激光器后，电和光这两种完全不同的物理现象终于成功融合在一起。
随后几年，基于该技术的超高带宽光传输架构成为高性能数据中心的宠儿，从而有效减少大量数据传输带来的系统瓶颈。
2017年，IBM研究人员发布了一项新的光子计算实验技术，将硅光子阵列集成到与CPU相同的封装尺寸中。
硅光子技术的问题一直是芯片的光学接口，但IBM的光子解决方案可以应用于片上系统（SoC），使用廉价的标准连接器（边缘连接器）在芯片之间传输光，或者简单地通过将 CMOS 芯片的边缘连接在一起，可以实现芯片到芯片的通信。
这些光子芯片的发展主要是为了解决传统芯片之间或芯片与存储系统之间的互连问题。
高集成光子芯片的发明取代了过去庞大而复杂的光传输架构，速度更快，延迟更低。
不过，真正将“光子”带入计算领域，甚至构建“光子芯片”的概念，却是近两年才逐渐被发现。
虽然半导体芯片技术依赖于新应用和算法的集成，可以做的事情越来越多，但实际上芯片架构本身仍然基于相同的逻辑，并受到半导体技术、计算能力、规模和功耗的限制与成本形成难以平衡的四角关系。
此时，业界也开始积极寻找能够突破现状的新计算技术。
GPGPU、神经网络芯片、DSP、FPGA等都是在不同时间提出的，擅长解决特定的应用计算领域。
然而，这些芯片并没有解决根本问题，即其基于半导体的结构所面临的物理特性限制。
人工智能带来的日益增长的计算需求，推动了处理架构的不断创新。
例如，英特尔未来将结合CPU和FPGA计算能力来应对更复杂的应用场景； NVIDIA 极大地增强了其最新一代 GPU 解决方案。
推理表现。
此外，也有很多希望推出更适合特定计算的新架构，例如神经网络芯片（NPU）、量子计算机（Quantumcomg），以及最新的计算概念：基于光子电路（PhotonicCircuits） ）计算架构。
事实上，“光”在计算环境中的应用已有数十年历史。
过去主要用于不同芯片或存储设备之间传输数据。
但相关传输技术的成本太高，必须搭配昂贵的外设才能体现其优势。
因此，“光”传输始终没有在消费市场上普及，导致我们对这个事实没有清晰的认识。
然而，计算是另一个层面的问题。
用一个非常简单的概念来解释光子计算芯片，它在芯片上使用了无数的光开关，其作用类似于半导体芯片中的逻辑门。
他们使用不同波长、相位和强度的光组合来制作复杂的镜子和滤光片。
信息处理是在由处理器和棱镜结构组成的阵列中进行的。
硅光子学与微电子学一样，是基于硅材料的半导体架构。
硅作为光通信传输中的应用已变得非常流行。
由于光的快速响应和并行特性，可以瞬间传输大量数据，因此被广泛应用于数据中心的服务器中。
又由于光子传输过程稳定，并行能力强，且纠错设计相对简单，传输和转换所需的能量极小，因此采用光子计算的架构理论上可以实现相对较低的功耗。
其次，光子芯片理论上可以用于极小规模的应用，例如移动设备。
光子芯片可以利用当前成熟的半导体工艺技术，而仍处于实验阶段的光子芯片只需要旧的微米级工艺即可实现大幅超越现有半导体芯片的计算能力。
因此，未来工艺微缩空间巨大。
随着芯片密度的提高，性能也能大幅增长，甚至有机会彻底改写摩尔定律的局限性。
使用CMOS技术是光子计算的最大优势，但目标并不是取代传统的半导体计算。
沉亦辰表示，由于光子芯片基本基于目前的CMOS制造工艺，与量子计算中使用的特殊工艺相比，存在成本更低或量产的技术。
都有更多的优点。
尽管目前实验室中的光子芯片仍然不如传统半导体芯片那么密集，但它们已经比量子芯片好得多。
光子芯片的性能取决于架构和算法，例如同时使用多少路不同波长的光进行组合，或者芯片所使用的光信号的带宽，以及光电转换的瓶颈，但从仅就光的物理特性而言，通过适当的算法实现传统半导体芯片一百倍的速度不会有太大问题。
当然，理论上，光子芯片可以做得很大或很小，但由于光不适合非线性运算，所以光学芯片的集成度和尺寸仍然有一定的标准，必须完全取代半导体芯片。
还有很多困难。
从芯片、算法到外设的生态正在发展。
沉亦辰强调，Lightelligence的光子芯片开发已完成实验室阶段论证，在算法、总线、存储等方面正在进行相应的设计。
当然，计算芯片最重要的是生态，这也需要更多的科研机构和企业加入到拓展光计算领域来共同建立。
因为主要产品是芯片，核心部分在于算法和硬件的结合，以及相应的芯片指令和编译器。
Lightelligence的工作是让开发的芯片适用于目前市面上流行的框架，如TensorFlow、Caffe等。
此外，由于光子计算在传输或存储方面有其特殊性，Lightelligence也在开发相应的外围设计。
当然，虽然使用当前的存储系统可以加速商业化，但它可能会限制光子计算的性能。
因此，未来这部分仍然会针对光子计算优化的匹配设计，从而更好地凸显光子计算的整体面貌。
优势。
现在Lightelligence团队正在努力完善光子计算相关的生态。
当然现在还不成熟，但业界对高性能计算乃至更好的神经网络计算架构有着非常高的期望。
我相信，它的光子计算架构实现后，可以大大加速。
整个人工智能计算生态系统的变化。
沉亦辰表示，无论是针对特定用途还是针对通用计算能力，这都会是芯片架构开发不同流程中的选择。
Lightelligence将首先从技术或应用场景相对成熟的光子芯片应用开始，然后逐步扩大应用范围。
同时，我们也在努力开发光子芯片前端和后端技术，以更好地适应未来不同的计算场景。
沉亦辰强调，总体来说，实现光子计算的道路上还有很多重大的工程改进需要完成，但与过去各种光子计算的尝试相比，现在可能是最好的时机，也是最接近实现的时机。
一次。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-17
06-18
06-17
06-17
06-17
06-18
最新文章
英特尔收购芯片制造商eASIC，进一步减少对CPU的依赖
西门子携手现代汽车、起亚公司，共同推动交通运输行业数字化转型
行业领导者制定 Open Eye MSA 来帮助实现高速光连接应用
三星电子和 NAVER 合作
意法半导体和 Leti 合作开发 GaN-on-Si 功率转换技术
青岛将大力发展高世代TFT-LCD和Micro LED项目
长电科技参加IMAPS器件封装大会
三星正式发布Exynos 990旗舰处理器