首枚光子神经形态芯片问世!运算速度快3个数量级

简介:

据《麻省理工技术评论》杂志网站近日报道,美国普林斯顿大学的科研团队日前研制出全球首枚光子神经形态芯片,并证明其能以超快速度计算。该芯片有望开启一个全新的光子计算产业。

普林斯顿大学亚力山大·泰特团队的新成果是利用光子解决了神经网络电路速度受限这一难题。神经网络电路已在计算领域掀起风暴。科学家希望制造出更强大的神经网络电路,其关键在于制造出能像神经元那样工作的电路,或称神经形态芯片,但此类电路的主要问题是要提高速度。光子计算是计算科学领域的“明日之星”。与电子相比,光子拥有更多带宽,能快速处理更多数据。但光子数据处理系统制造成本较高,因此一直未被广泛采用。

团队研制出的光子神经网络的核心是一种光学设备——其中的每个节点拥有神经元一样的响应特征。这些节点采用微型圆形波导的形式,被蚀刻进一个光可在其中循环的硅基座内。当光被输入,接着会调节在阈值处工作的激光器的输出,在此区域中,入射光的微小变化都会对该激光的输出产生巨大影响。

该光学设备的原理在于:系统中的每个节点都使用一定波长的光,这一技术被称为波分复用。来自各个节点的光会被送入该激光器,而且激光输出会被反馈回节点,创造出一个拥有非线性特征的反馈电路。关于这种非线性能模拟神经行为的程度,研究表明其输出在数学上等效于一种被称为“连续时间递归神经网络(CTRNN)”的设备,这说明CTRNN的编程工具可以应用于更大的硅光子神经网络。

泰特团队用一个拥有49个节点的硅光子神经网络来模拟某种微分方程的数学问题,并将其与普通的中央处理单元进行比较。结果表明,在此项任务中,光子神经网络的速度提升了3个数量级。

研究人员表示,这将开启一个全新的光子计算产业。泰特说:“硅光子神经网络可能会成为更庞大的、可扩展信息处理的硅光子系统家族的‘排头兵’”。


本文作者:刘霞

来源:51CTO

相关文章
|
8月前
|
传感器 调度 量子技术
室温超导是什么?有哪些应用场景?
@[TOC](目录) 室温超导是指在室温下(即约 20°C 至 30°C)实现超导现象的材料。超导是指某些材料在低温下电阻为零的物理现象,室温超导材料是超导材料的一种。室温超导现象的发现和研究是超导领域的一个重要方向,因为它具有在常温下应用的潜力,可以为多个领域带来革命性的变革。 # 一、应用场景: 1. 电网基础设施:室温超导材料可以用于制造高效的电力输送线路和变压器,从而降低电能损耗和能源浪费。超导材料在高温下的性能不稳定,目前主要用于低温环境,但随着室温超导材料的研究进展,这一限制将得到解决。 2. 高精尖物理科研设备:室温超导材料可以用于制造高精度的磁体和传感器,例如用于测量地球磁场的
120 0
|
11月前
|
机器学习/深度学习 人工智能 自然语言处理
「比人脑中的突触快100万倍」,MIT的新硬件为人工智能提供了更快的计算速度,而且能耗更低
「比人脑中的突触快100万倍」,MIT的新硬件为人工智能提供了更快的计算速度,而且能耗更低
|
11月前
|
机器学习/深度学习 存储 传感器
超低功耗AI芯片:神经脉冲只需同类神经网络能量的0.02%
超低功耗AI芯片:神经脉冲只需同类神经网络能量的0.02%
139 0
|
11月前
|
机器学习/深度学习 人工智能 算法
给5G基带也加上机器学习单元:高通的AI脑洞还有太多
给5G基带也加上机器学习单元:高通的AI脑洞还有太多
203 0
|
达摩院 算法 量子技术
达摩院新型量子芯片操控精度99.72%创新高
达摩院量子实验室成功设计制造出两比特fluxonium量子芯片,实现了单比特操控精度99.97%,两比特iSWAP门操控精度最高达99.72%,在此类比特达全球最佳水平,是fluxonium优势从理论到实践的重要一步。
541 0
达摩院新型量子芯片操控精度99.72%创新高
|
机器学习/深度学习 传感器 人工智能
骁龙8四倍AI算力「硬科技」:上可超分下可增强信号,多个算法同时跑
骁龙8四倍AI算力「硬科技」:上可超分下可增强信号,多个算法同时跑
208 0
骁龙8四倍AI算力「硬科技」:上可超分下可增强信号,多个算法同时跑
|
机器学习/深度学习 数据采集 存储
神经拟态芯片拉近AI与人脑距离
神经拟态即通过模拟人脑神经元的工作机制,让计算机具备像人一样的自然智能特性。英特尔公布的另一项研究显示,将上述768块神经拟态芯片集成在5台标准服务器大小的机箱中形成的神经拟态系统——Pohoiki Springs,已经相当于拥有了1亿个神经元的大脑,而这相当于一个小型哺乳动物的大脑神经元数量。
|
存储 机器学习/深度学习 人工智能
CPU将进入新时代:押注计算芯片的极限协同设计
我们现在进入了一个时代,那就是IT行业的计算引擎将需要比以往任何时候都更需要更低的价格,更好的性能以及更好的散热特性。这将需要一种在更大范围的工作负载和设备上进行协同设计系统(co-designing systems )的进化方法。
|
机器学习/深度学习 人工智能 算法
【中国脑计划与众神计算】AI芯片大航海时代,打造新一代脑模拟计算系统
3月11日,北京脑科学和类脑计算论坛召开,以“众神(经)计算”为主题,由中科院计算所研究员孙毓忠首次提出,众专家分析讨论,探索用于脑科学和脑疾病的新一代脑模拟计算系统。AI芯片浪潮下,我们能否更进一步,找到一种既拥有生物特征,又具有计算系统特性的新型模拟系统?从脑到计算的跨度是否太远?深度学习更靠近数学和脑科学的哪一端? 会议由北京市科委、中科院计算所主办,中科曙光协办,计算所孙毓忠研究员和赵地副研究员担任大会主席。
2240 0

热门文章

最新文章