研究人员展示了一种新的光学计算方法，可以在光的单次传输中执行复杂的张量运算。这一进展可能会改变现代人工智能系统处理数据的方式，并减轻传统数字硬件面临的日益增长的压力。
张量运算几乎驱动着今天所有的人工智能任务。GPU能够很好地处理这些运算，但数据激增暴露了在速度、能效和可扩展性方面的局限。
这种压力促使阿尔托大学的张宇峰博士领导的国际团队寻找超越电子电路的解决方案。
这个团队开发了“单次张量计算”技术，利用光的物理特性处理数据。光波携带着幅度和相位。
团队将数字信息编码到这些特性中，并允许波在传播过程中相互作用。这种相互作用进行的数学运算与深度学习系统相同。
张博士说：“我们的方法进行与今天的GPU处理相同类型的操作，如卷积和注意力层，但所有操作都以光速进行。”
他补充说，该系统避免了电子开关的使用，因为光学操作在传播过程中自然而然地展开。
多波长方法提升能力
研究人员通过引入多种波长的光进一步推动了这一方法。每个波长就像一个独立的计算通道，这样系统就能并行处理高阶张量运算。
张把这个过程比作运行一个海关设施，每个包裹都需要经过多次检查。“想象一下，你是一名海关官员，得通过多台不同功能的机器检查每个包裹，然后把它们分类到正确的箱子里，”他解释道。
完整的引用继续用他的类比来描述将包裹和机器合并为一个步骤的过程。团队表示，这反映了他们的“光学钩”是如何在一个操作中将每个输入连接到正确的输出的。
另一个优点是简单。交互是被动进行的。没有外部控制电路来管理计算。这不仅减少了功耗，还使系统更容易集成。
走向产业应用的道路
团队预计这项技术很快会进入商业硬件。张博士表示，目标是在大公司开发的平台上应用这种方法。他估计将在三到五年内完成集成。
研究人员认为，这些系统可以加速依赖实时处理的各个领域的人工智能的工作负载。
这项研究的成果发表在《自然光子学》期刊上。
热门跟贴