內(nèi)容由半導(dǎo)體行業(yè)觀察（：icbank）編譯自IEEE，謝謝。

模仿人腦工作得深度神經(jīng)網(wǎng)絡(luò)現(xiàn)在通常為計(jì)算機(jī)視覺、語音識(shí)別等提供支持。然而，它們?cè)絹碓绞艿接糜趯?shí)現(xiàn)它們得硬件得限制。現(xiàn)在，科學(xué)家們已經(jīng)在光子微芯片上開發(fā)了一種深度神經(jīng)網(wǎng)絡(luò)，可以在不到一納秒得時(shí)間內(nèi)對(duì)圖像進(jìn)行分類，這與最先進(jìn)得電子設(shè)備中得時(shí)鐘得單個(gè)滴答時(shí)間大致相同。

在人工神經(jīng)網(wǎng)絡(luò)中，被稱為“神經(jīng)元”得組件被輸入數(shù)據(jù)并合作解決問題，例如識(shí)別人臉。神經(jīng)網(wǎng)絡(luò)反復(fù)調(diào)整其神經(jīng)元之間得聯(lián)系，并查看由此產(chǎn)生得行為模式是否能更好地找到解決方案。隨著時(shí)間得推移，網(wǎng)絡(luò)會(huì)發(fā)現(xiàn)哪些模式最適合計(jì)算結(jié)果。然后它采用這些作為默認(rèn)值，模仿人腦中得學(xué)習(xí)過程。如果一個(gè)神經(jīng)網(wǎng)絡(luò)擁有多層神經(jīng)元，它就被稱為“深度”。

盡管這些人工智能系統(tǒng)越來越多地找到現(xiàn)實(shí)世界得應(yīng)用程序，但鑒于運(yùn)行它們得硬件，它們面臨著許多重大挑戰(zhàn)。首先，它們通常使用基于數(shù)字時(shí)鐘得平臺(tái)（例如圖形處理單元(GPU)）來實(shí)現(xiàn)，這將它們得計(jì)算速度限制在時(shí)鐘頻率上——對(duì)于大多數(shù)最先進(jìn)得 GPU 來說，它不到 3 GHz。其次，與可以計(jì)算和存儲(chǔ)數(shù)據(jù)得生物神經(jīng)元不同，傳統(tǒng)電子設(shè)備將內(nèi)存和處理單元分開。在這些組件之間來回穿梭數(shù)據(jù)會(huì)浪費(fèi)時(shí)間和精力。

此外，原始視覺數(shù)據(jù)通常需要轉(zhuǎn)換為數(shù)字電子信號(hào)，耗時(shí)較長。此外，通常需要大內(nèi)存單元來存儲(chǔ)圖像和視頻，從而引發(fā)潛在得隱私問題。

在一項(xiàng)新研究中，研究人員開發(fā)了一種光子深度神經(jīng)網(wǎng)絡(luò)，可以直接分析圖像，而無需時(shí)鐘、傳感器或大內(nèi)存模塊。它可以在不到 570 皮秒得時(shí)間內(nèi)對(duì)圖像進(jìn)行分類，這與最先進(jìn)得微芯片中得單個(gè)時(shí)鐘周期相當(dāng)。

“它每秒可以對(duì)近 20 億張圖像進(jìn)行分類，”該研究得資深、費(fèi)城賓夕法尼亞大學(xué)得電氣工程師Firooz Aflatouni說。“作為參考，傳統(tǒng)得視頻幀速率是每秒 24 到 120 幀。”

新設(shè)備標(biāo)志著第壹個(gè)完全在集成光子設(shè)備上以可擴(kuò)展方式實(shí)現(xiàn)得深度神經(jīng)網(wǎng)絡(luò)。整個(gè)芯片得大小只有 9.3 平方毫米。

感興趣得圖像被投影到 5×6 像素陣列上，并分為四個(gè)重疊得 3×4 像素子圖像。然后，光通道或波導(dǎo)將每個(gè)子圖像得像素路由到設(shè)備得九個(gè)神經(jīng)元。

當(dāng)微芯片接受訓(xùn)練以將圖像識(shí)別為例如一個(gè)字母或另一個(gè)字母時(shí)，電控設(shè)備會(huì)調(diào)整每個(gè)神經(jīng)元如何修改入射光信號(hào)得功率。通過分析圖像中得光線在穿過微芯片得神經(jīng)元層后如何被修改，人們可以讀取微芯片得結(jié)果。

“通過傳播計(jì)算，計(jì)算發(fā)生在波通過介質(zhì)傳播時(shí)，可以以光速執(zhí)行計(jì)算，”Aflatouni 說。

科學(xué)家們讓他們得微芯片識(shí)別手寫字母。在一組測(cè)試中，它必須將 216 個(gè)字母分類為“p”或“d”，而在另一組測(cè)試中，它必須將 432 個(gè)字母分類為“p”、“d”、“a”或“t”。' 該芯片得精度分別高于 93.8% 和 89.8%。相比之下，使用Keras庫在 Python 中實(shí)現(xiàn)得 190 個(gè)神經(jīng)元得傳統(tǒng)深度神經(jīng)網(wǎng)絡(luò)在相同圖像上實(shí)現(xiàn)了 96% 得準(zhǔn)確率。

研究人員現(xiàn)在正在嘗試使用這些設(shè)備對(duì)視頻和 3D 對(duì)象進(jìn)行分類，并使用具有更多像素和神經(jīng)元得更大芯片對(duì)更高分辨率得圖像進(jìn)行分類。此外，這項(xiàng)技術(shù)得應(yīng)用“不僅限于圖像和視頻分類，”Aflatouni 說。“任何可以轉(zhuǎn)換為光域得信號(hào)，例如音頻和語音，都可以使用這項(xiàng)技術(shù)幾乎瞬間進(jìn)行分類。”

★ 文末【閱讀原文】，可查看感謝原文鏈接！

*免責(zé)聲明：感謝由來自互聯(lián)網(wǎng)。文章內(nèi)容系個(gè)人觀點(diǎn)，半導(dǎo)體行業(yè)觀察感謝僅為了傳達(dá)一種不同得觀點(diǎn)，不代表半導(dǎo)體行業(yè)觀察對(duì)該觀點(diǎn)贊同或支持，如果有任何異議，歡迎聯(lián)系半導(dǎo)體行業(yè)觀察。

今天是《半導(dǎo)體行業(yè)觀察》為您分享得第3063內(nèi)容，歡迎。

★FPGA得未來發(fā)展猜想

★代工廠布陣第三代半導(dǎo)體

★群雄激戰(zhàn)數(shù)據(jù)中心

晶圓｜集成電路｜設(shè)備｜汽車芯片｜存儲(chǔ)｜臺(tái)積電｜AI｜封裝

原文鏈接！