【據美國麻省理工學院網站2019年6月5日報道】美國麻省理工學院(MIT)的研究人員開發了一種用于光學神經網絡的新型“光子”芯片設計方案，其能源效率可比現有的AI加速器芯片高出數百萬倍。該芯片采用了更緊湊的光學元件和光信號處理技術，大大降低了功耗和芯片面積，使光學神經網絡擺脫了對一些龐大光學組件的依賴，從而使光學神經網絡能以幾個數量級的規模進行擴展。傳統的光學神經網絡加速器采用波導和“Mach-Zehnder干涉儀”構建，每個神經元對應一個波導，每個權重則必須有一個干涉儀，因此網絡規模很難超過100個神經元。而MIT的新型芯片使用“平衡零差檢測”進行矩陣乘法，每個輸入和輸出神經元只需要一個通道，所需的零差光電探測器數量與神經元數量相當，這節省了大量空間，相應的神經網絡規模可擴展到每層100萬個神經元。在MNIST圖像分類數據集上進行的模擬訓練表明，該加速器處理神經網絡的能耗理論上比傳統的電子加速器低1000萬倍以上、比傳統的光子加速器低1000倍。研究人員目前正在開發原型芯片，相關論文《Large-Scale Optical Neural Networks based on Photoelectric Multiplication》已在Physical Review X網站上發表。
?