光驱AI芯片效率提升百倍的技术突破
由佛罗里达大学（UF）的研究人员开发的硅光子芯片能够将光编码的数据即时转换为卷积运算结果。这项研究被发表于《先进光子学》（Advanced Photonics）期刊上。
背景：AI的能耗挑战
人工智能（AI）系统在从人脸识别到语言翻译的诸多技术中日益占据核心地位。但随着AI模型日益复杂，其消耗的电力也急剧增长，对能源效率和可持续性构成挑战。
技术原理：光计算与芯片集成
该芯片旨在执行卷积运算，这是机器学习中的一项核心功能，使AI系统能够检测图像、视频和文本中的模式。通常，这些运算需要巨大的计算能力。
通过将光学元件直接集成到硅芯片上，研究团队创建了一个利用激光和微型透镜来执行卷积的系统，从而大幅降低能耗并提升处理速度。研究的负责人、佛罗里达大学半导体光子学领域某讲座教授指出：“以近乎零的能耗执行关键机器学习计算，是未来AI系统的一大飞跃。这对于未来持续扩展AI能力至关重要。”
芯片设计与测试结果
在测试中，原型芯片对数字手写字符的分类准确率约为98%，与传统电子芯片相当。该系统使用了两套微型的菲涅尔透镜（类似于灯塔中使用的透镜的扁平超薄版本），这些透镜采用标准半导体制造技术制成，其宽度比人类头发丝还窄，并直接蚀刻在芯片上。
卷积运算的执行过程如下：机器学习数据首先在芯片上被转换为激光，激光穿过菲涅尔透镜完成数学变换，结果再被转换回数字信号以完成AI任务。
该研究的共同作者、佛罗里达大学研究副教授表示：“这是首次将这种类型的光学计算集成在芯片上，并将其应用于AI神经网络。”
关键技术优势：波分复用
研究团队还证明，该芯片可以通过使用不同颜色的激光同时处理多个数据流，这种技术被称为波分复用。“我们可以让多种波长或颜色的光同时通过透镜，”共同作者解释道，“这是光子学的一个关键优势。”
合作与未来展望
这项研究是与某半导体研究机构以及两所大学合作完成的。该领域的主要芯片制造商已在其AI系统的某些部分使用光学元件，这可能有助于新技术的集成。
研究负责人展望道：“在不久的将来，基于芯片的光学元件将成为我们日常使用的每块AI芯片的关键组成部分，而光AI计算将成为下一个前沿。”
