清华“太极-Ⅱ”光芯片面世首创全前向智能光计算演习架构

该研究成果以“光神经网络全前向演习”为题，于北京韶光 8 月 7 日晚在线揭橥于《自然》期刊。

IT之家查询获悉，清华大学电子系为论文第一单位，方璐教授、戴琼海教授为论文的通讯作者，清华大学电子系博士生薛智威、博士后周天贶为共同一作，电子系博士生徐智昊、之江实验室虞绍良博士参与了该项事情。
该课题受到国家科技部、国家自然科学基金委、北京信息科学与技能国家研究中央、清华大学-之江实验室联合研究中央的支持。

Nature 审稿人在审稿评述中指出“本文中提出的想法非常新颖，此类光学神经网络（ONN）的演习过程是前所未有的。
所提出的方法不仅有效，而且随意马虎实现。
因此，它有望成为演习光学神经网络和其他光学打算系统的广泛采取的工具。
”

据清华大学官方先容，近年间，具有高算力低功耗特性的智能光打算逐步登上了算力发展的舞台。
通用智能光打算芯片“太极”首次将光打算从事理验证推向了大规模实验运用，拥有 160TOPS / W 的系统级能效，但现有的光神经网络演习严重依赖 GPU 进行离线建模并且哀求物理系统精准对齐。

据论文第一作者、电子系博士生薛智威先容，在太极-II 架构下，梯度低落中的反向传播化为了光学系统的前向传播，光学神经网络的演习利用数据-偏差两次前向传播即可实现。
两次前向传播具备天然的对齐特性，保障了物理梯度的精确打算。
由于不须要进行反向传播，太极-II 架构不再依赖电打算进行离线的建模与演习，大规模神经网络的精准高效光演习终于得以实现。

论文研究表明，太极-II 能够对多种不同光学系统进行演习，并在各种任务下均表现出了卓越的性能：

大规模学习领域：打破了打算精度与效率的抵牾，将数百万参数的光网络演习速率提升了 1 个数量级，代表性智能分类任务的准确率提升 40%。

繁芜场景智能成像：弱光环境下（每像素光强度仅为亚光子）实现了能量效率为 5.4010^6 TOPS / W 的全光处理，系统级能效提升 6 个数量级。
在非视域场景下实现了千赫兹帧率的智能成像，效率提升 2 个数量级。

拓扑光子学领域：在不依赖任何模型先验下可自动搜索非厄米奇异点，为高效精准解析繁芜拓扑系统供应了新思路。

IT之家附论文链接：