› 首页 ›资讯 › 查看内容

华中大张新亮教授团队Light｜光子矩阵乘法点亮光子加速器

2022-2-9 16:32| 发布者：Davis| 查看：893| 评论：0|原作者: 光电资讯

摘要：本文介绍了华中大张新亮教授团队在光子矩阵乘法方面的最新研究成果，以及这一技术在光子加速器、光学信号处理和光学神经网络等领域的应用。光子矩阵乘法具有高通量、低延迟、计算密集型等优势，在替代神经网络算法的线性部分方面表现出色。该技术未来还有许多挑战需要面对，但也有广阔的发展前景。

英文原题：Photonic matrix multiplication lights up photonic accelerator and beyond

作者：Hailong Zhou, Jianji Dong, Junwei Cheng, Wenchan Dong, Chaoran Huang, Yichen Shen, Qiming Zhang, Min Gu, Chao Qian, Hongsheng Chen, Zhichao Ruan, Xinliang Zhang

2022年2月4日，《Light: Science & Applications》以“光子矩阵乘法点亮光子加速器”为题刊发华中科技大学武汉光电国家研究中心张新亮教授团队评论文章。

矩阵计算作为科学和工程领域应用ZUI广泛的信息处理工具之一，在现代信号处理和人工智能算法中占用了大部分计算开销。光子加速器能够在光域中加速特定类别的计算，如矩阵乘法运算，以满足对计算速度和能效日益增长的需求。光子集成器件兼具超大带宽和超低功耗等优势，并且光子具有多个物理维度，提供天然的并行计算能力，这使得光子计算成为“后摩尔时代”中高通量、低延迟、计算密集型矩阵信息处理中极具竞争力的候选方案。

近年来，光子矩阵乘法得到了迅速的发展，并被广泛应用于光学信号处理和光学神经网络等光子加速器领域，基于矩阵乘法计算的大量应用展现了光子加速器领域巨大的潜力和机会。2月4日，《Light: Science & Applications》以“Photonic matrix multiplication lights up photonic accelerator and beyond”为题，发表了矩阵乘法光子加速器主题的综述评论文章，作者包括了华中科技大学张新亮教授团队，以及香港中文大学、上海理工大学、浙江大学以及曦智科技的多位知名学者。

光子矩阵-矢量乘法分类与发展史

该综述文章首先介绍了光子矩阵乘法的实现方法，进而总结了其发展时间线和关键进展，目前主流的光子矩阵-矢量乘法主要包含三类，即基于平面光转换（PLC）的矩阵计算，基于马赫-曾德尔干涉仪（MZI）网络的矩阵计算，和基于波分复用（WDM）的矩阵计算。论文详细分析了三类矩阵乘法运算对应的硬件特点和优缺点，并按照这三类计算架构总结了自1970年以来的光学矩阵运算的发展历史。

光子矩阵乘法运算的发展历史

光子矩阵-矢量乘法运算的典型应用

光子矩阵乘法网络本身可以用作光学信号处理的通用线性光子回路。本文从三类矩阵乘法分别介绍了其强大的应用能力，具体应用包括通用的模式分类器、空间成像加密、MZI网格功能的自动配置、模式处理器、光学模式上传/下载/复用解复用以及信道解扰、可编程脉冲整形、微环权重库以及信号分析等。

光子矩阵乘法加速器的应用更多体现在光学人工智能领域，旨在构建高算力、低延迟、低能耗的下一代计算硬件。各种光子矩阵计算都被验证可用于替代神经网络算法的线性部分，其单核已经验证算力可以超过11 TOPS，光子矩阵计算的延时普遍在皮秒量级，单次乘加操作的能耗在飞焦量级，信号调制速率可以高达100 GHz。相比电子计算，其在速率、延时、功耗等方面具有明显的优势。

挑战与展望

本文对光学矩阵计算的发展趋势进行了展望，也指出了目前光计算存在的一些挑战。在全光人工神经网络成熟之前，光电混合人工智能计算仍是一种更实用、更有竞争力的深层人工神经网络的候选架构。因此，开发高效、专用的光电混合人工智能硬件芯片系统是光子人工智能的核心研究路径之一。未来可基于光子矩阵计算和细粒度电子控制实现加速器底层硬件，并开发适用于该硬件的各种算法，ZUI后在用户层可以灵活地调用这些算法实现各种加速应用，例如信道解扰器、图像识别等。