当前位置:首页 > 业界动态 > 量子光学与量子信息 > 正文

Lightmatter展示用于神经网络计算的Mars光子芯片

发布时间: 2020-09-10 10:17:01   作者:本站编辑   来源: 本站原创   浏览次数:

 

电气工程师和计算机科学家一直在努力研究如何更快、更有效地进行神经网络计算。最常见的解决方案是GPU、特殊用途集成电路和现场可编程门阵列等。近年来,另一个竞争者正式进入了这个领域,它基于一个完全不同的范式:光计算。20208月,麻省理工学院分支机构LightmatterIEEE主办的2020Hot Chips会议上就展示了其“Mars”光子芯片。

事实上,光学计算有很长的历史。早在20世纪50年代末,第一批合成孔径雷达(SAR)图像处理就有使用。在过去的几十年里,研究人员不时地重新提出光计算的想法,但这个概念还没有被证明具有广泛的实用性。然而现在,在神经网络计算中,光计算展示了新的机遇。LightmatterMars设备核心是一个包含模拟光处理器的芯片,专门用于执行神经网络的基本数学运算。

Lightmatter光学处理器的基本单元是马赫-曾德尔干涉仪(MZI)Mars将多个马赫-曾德尔干涉仪缩小到纳米大小,并集成到一个芯片上,以加速神经网络计算。LightmatterMZI是通过在纳米光子芯片中加工小型光波导来实现的。通过使用电场可控折射率材料,两臂光束的相对相位可以简单地通过施加电压来控制,就像给电容器充电一样。在Lightmatter的芯片中,这是通过在干涉仪的一臂施加一个极性的电场,在另一臂施加一个极性相反的电场来实现的。

就像电容器一样,电流只有在充电时才流动。一旦有足够的电荷提供所需强度的电场,就不再有电流流动,因此也就不需要更多的能量。这意味着一旦设置了乘数的值,如果该值(神经网络计算中的权重)随后没有变化,就不需要更多的能量。这样就得到了一个非常有效的乘法运算系统,它的运算速度是光速。

Lightmatter芯片的一个缺点是计算精度有限。幸运的是,神经网络经过训练后进行的推理计算不需要太多的分辨率。训练神经网络就可以了。训练需要更高的动态范围,正因为如此,我们专注于推理,”Lightmatter首席执行官、公司创始人之一Nicholas Harris表示,我们有一个8比特当量的系统。

值得注意的是,Lightmatter用光进行神经网络计算的革命性新设备在现阶段已经不是实验室原型。这种产品可以加载到PCI Express插槽的服务器主板上,并立即编程开始进行神经网络推理计算。Harris表示,Lightmatter不仅构建了这个硬件,还创建了必要的软件工具链,以支持使用标准的神经网络框架(TensorFlowPyTorch)

Lightmatter计划在2021年将其Mars芯片投入商业化生产。Harris说,该公司的芯片虽然复杂,但产量很高,这在很大程度上是因为与尖端电子设备相比,所涉及的纳米光子元件并不算小。因此,保持高产量和Mars设备的价格低到足以与GPU竞争应该不是什么难事。

其他公司,如LightintelligenceLightOnOptalysisFathom Computing,也有望推出基于光的神经网络加速器卡。

 

我来说两句
您尚未登录,请登录后发布评论! 【马上登录
评论列表
已有 0 条评论(查看更多评论)
友情链接
 
电话:021-69918000 传真:021-69918800 Processed in 0.887 second(s)
360网站安全检测平台 Powered by SIOM Copyright © 2014 www.siom.ac.cn, All Rights Reserved pv总量 访客数总量