人工智能的飛躍式發(fā)展使得人類社會對算力的需求呈指數(shù)式增長，為計算硬件發(fā)展帶來了全新的挑戰(zhàn)與機(jī)遇。光具有高并行度、低延遲、低功耗的優(yōu)勢，意味著其有極大的潛力來幫助加速計算、加速傳輸，從而提升算力，為人工智能算法帶來新的可能性。曦智科技基于大規(guī)模光電混合技術(shù)的計算新范式，發(fā)展出縱向單節(jié)點以及橫向多節(jié)點的算力提升解決方案。在縱向單節(jié)點算力提升方面，曦智科技提出了計算新原理——光子矩陣計算（oMAC）。

算力網(wǎng)絡(luò)新范式

矩陣乘法運算是一種線性計算，被廣泛運算于人工智能算法中，在不同算法中占比約60%至90%不等。而光非常適合用于線性計算，它的傳播、干涉等行為可被視為線性運算。例如傳播過程中對光幅度的連續(xù)調(diào)節(jié)可被視為乘法，雙臂干涉[1]可被視為2×2的復(fù)數(shù)矩陣乘法等。通過堆疊這些基礎(chǔ)的運算單元，我們就可實現(xiàn)大尺寸的光子矩陣乘法器。

在光執(zhí)行計算的過程中，我們可以對光的某些維度的特征進(jìn)行處理和編碼，因此光能夠表達(dá)個數(shù)值。同時，光學(xué)器件能夠?qū)獾臄?shù)值進(jìn)行調(diào)節(jié)。比如，光在經(jīng)過不同介質(zhì)時，通過控制介質(zhì)的透射率，可以調(diào)節(jié)光在這個過程中的衰減或增強(qiáng)，如初始輸入為1，而經(jīng)過介質(zhì)時衰減至0.5。通過不同的干涉和調(diào)節(jié)，光就能夠完成線性計算。

光計算十分高效，計算在光傳播的過程中便能完成，整個過程只需要幾分之一納秒，計算延遲極低，且對矩陣規(guī)模的增加不敏感，規(guī)模越大光的優(yōu)勢就越顯著。同時，光執(zhí)行計算任務(wù)的能耗更低。光在執(zhí)行運算任務(wù)時是被動的，這個過程不需要消耗額外的能量，僅僅需要一束光源便可完成整個動作。在運算中，光器件的損耗很低，且不會發(fā)熱。

此外，光在并行度方面也具有優(yōu)勢。光不會互相干擾，多束光能夠在同一條光路里傳輸和計算，光的波分復(fù)用[2]技術(shù)允許不同的數(shù)在同一時刻被編碼在不同的波長上進(jìn)行矩陣乘運算，因此具有很高的并行度。

曦智科技光子矩陣計算處理器PACE

基于oMAC技術(shù)，曦智科技于2021年發(fā)布了光子計算處理器PACE (Photonic Arithmetic Computing Engine)，（點擊查看更多）其核心是64×64的光學(xué)矩陣乘法器，由一塊集成硅光芯片和一塊CMOS微電子芯片以3D封裝形式堆疊而成。PACE的單個光子芯片中集成超過10000個光子器件，運行1GHz系統(tǒng)時鐘，運行NP完全計算問題的速度與目前高端GPU相比顯著提高，成功驗證了光子計算的優(yōu)越性。

注釋： [1]雙臂干涉：是一種光學(xué)干涉實驗裝置，光源發(fā)出的光線被分成兩束，分別經(jīng)過兩條平行的路徑（即雙臂），然后再次匯聚在一起。當(dāng)這兩束光線重新合并時，它們可能會處于相位差，導(dǎo)致干涉現(xiàn)象的發(fā)生。 [2]波分復(fù)用：在同一根光纖中同時讓兩個或兩個以上的光波長信號，通過不同光信道各自傳輸信息的技術(shù)，稱之為波分復(fù)用技術(shù)。

審核編輯：彭菁