AI模型对于复杂的图像分类至关重要，这是数字分析的最重要部分。希腊研究人员已经建立了一个计算速度为50GHz的神经形态光子处理器，能以95%准确率对图像进行分类。

人工智能（AI）模型对于复杂的图像分类至关重要，这是数字分析的最重要部分。最近发表“通用线性光学回顾：硅光子学神经形态计算的新观点”的研究人员已经推进了图像分类的指针。他们利用神经网络的计算能力在新的芯片平台（硅光子学）上实现的速度令人印象深刻。
尽管如此，这里要注意“can”仅仅因为有些事情可以做，问题仍然存在。速度够快吗？它会有足够的精度吗？它的能效如何？芯片大而笨重吗？这项研究解决了所有这些问题。
AI的属性之一是你可以在物理网络的边缘使用它；例如在照相机中。无人机上的摄像头是一个更好的例子。为了让无人机具备AI，你希望机载AI芯片功能强大，节能，小巧轻便，能够以闪电般的速度进行大量复杂的数学运算。这样，无人驾驶飞机可以在检测到不顺心的事情（癌症、破坏者、铁轨损坏）时提醒人类。


硅电子之后是硅光子学


AI处理器芯片通常以高端视频游戏的图形处理单元（GPU）或专门为神经网络设计的张量处理单元（TPU）的形式出现，这意味着用计算模拟人脑。（除了他们喜欢线性代数！）然而，传统处理器使用硅电子器件作为物理平台，这已经达到了量子极限。
从电子到光子的转换增加了计算能力，因为光速比电子的速度快得多，也更加节能。“电线”不会发热，光物理学可以用于矩阵向量乘法运算，这是神经网络的计算中枢。


跨越常规数学，是每秒万亿次运算的神经形态计算


希腊研究团队与Celestial AI一起，利用交叉布局为芯片开发了一种新颖的设计。该布局在可扩展性、技术多功能性、编程简易性和容错性方面优于最先进的光子器件。换句话说，通过将交叉开关矩阵（crossbar）布局的架构优势与第一个原型中采用的SiGe电吸收调制器相结合，研究人员预计一个纯粹的光学实现可以每秒执行数万亿次矩阵向量乘法，而不会牺牲处理精度，同时功耗非常低。
与六年前相比，硅光子学处于一个更好的位置，可以将神经形态处理器从目前较低的计算和物理尺寸（足迹）效率提升到不那么笨重的水平。请注意图1中IBM的TrueNorth芯片、Intel的Loihi芯片、德国海德堡大学的HICANN（高输入计数模拟神经网络）芯片和斯坦福大学的neurogrid器件的位置。将其与这里讨论的交叉矩阵布局芯片进行比较，交叉布局芯片在计算和尺寸效率方面正好符合硅光子学的路线图。强大的光子学与新颖的交叉架构的协同作用可以实现下一代神经形态计算引擎。

查询进一步信息，请访问英文网站http://www.eurekalert.org/news-releases/983618。（镨元素）