北京大學實現超高算力密度硅基集成光子處理器

  近日，北京大學電子學院王興軍教授課題組-常林助理教授課題組在Nature Communications雜志在線發表文章“Microcomb-based integrated photonic processing unit”。文章首次報道了一種基于光子神經網絡的超高算力密度硅基集成光子處理器。研究團隊歷時3年，攻克了多波長并行光計算系統校準和超高精度權重加載兩個世界性技術難題。

高算力密度集成光子處理器

  此前，人工智能（AI）技術已在數據密集型計算任務中得到廣泛應用。在后摩爾時代，為滿足AI算力和能耗的巨大需求，光子神經網絡應運而生。在特定的光學結構中，利用光子可以實現神經網絡中的矩陣乘法、卷積等基本數學運算。得益于光子超高速、大帶寬和低能耗的天然優勢，計算速度和能效大幅提升。近年來，光子神經網絡已經可以通過成熟的光電子集成平臺實現。由于其小尺寸、可擴展和低能耗的巨大優勢，這種新型的光子處理單元有望突破傳統微電子處理器的算力和能效瓶頸，同時徹底改變人工智能的硬件部署。

  為了進一步挖掘光計算潛力，光子神經網絡需要通過并行的方式提升計算吞吐量。在光子神經網絡中引入波分復用是一種有效手段。然而這種先進的計算架構在集成方面面臨巨大的挑戰。除了實現集成多波長光源的難度大以外，另一個重要的難點是多波長光子神經網絡相比單波長方案系統更復雜，需要更精細的校準方法和更有效的控制手段。因此，長期以來，芯片化一直是制約并行光子神經網絡發展的瓶頸，阻礙了相關技術的推廣和普及。

  在該工作中，研究團隊實現了一個由多波長光源、高速數據加載/接收單元和計算核心構成的硅基集成光子處理器。針對多波長計算系統開發的校準方法能夠實現對各部分光電子器件的準確調控，為目前最高權重控制精度（9 bits）的實現奠定了基礎。得益于極高的系統集成度和超高速的信息加載/接收速率，該光電子處理器的算力密度高達1.04 TOPS/mm2。在圖像邊緣檢測和手寫數字識別測試任務中，邊緣檢測質量和識別的準確率（96.6%）與電子計算機水平相當（97.0%）。該工作為全集成多波長光計算系統的實現指明了方向，并有望在未來為整個人工智能領域算力突破提供新的解決方案。該論文的共同第一作者為電子學院博雅博士后白博文、2020級博士研究生楊其鵬、博雅博士后舒浩文、常林。王興軍、美國加州大學圣塔巴巴拉分校John E. Bowers教授和常林為論文的通訊作者。主要合作者還包括上海交通大學鄒衛文教授、張江實驗室楊豐赫副研究員、加州大學圣塔巴巴拉分校謝衛強博士（現為上海交通大學副教授），以及電子學院胡薇薇教授、2019級博士研究生沈碧濤、2020級博士研究生陶子涵。該工作由北京大學電子學院區域光纖通信網與新型光通信系統國家重點實驗室作為第一單位完成，也是國家重點實驗室（北京分校區）和（上海分校區）合作的重要成果。

  相關鏈接：https://www.nature.com/articles/s41467-022-35506-9