AI對芯片的高算力以及大數(shù)據(jù)處理的需求，讓馮諾依曼架構(gòu)的電子芯片面臨著巨大的挑戰(zhàn)。這也讓量子計算、神經(jīng)擬態(tài)計算、光子計算這些前沿技術(shù)受到了越來越廣泛的關(guān)注。

其實，業(yè)界對這些技術(shù)的研究都已經(jīng)有幾十年的歷史，但出于各種因素，至今都還未大規(guī)模應(yīng)用。

光子計算在三種前沿計算技術(shù)中關(guān)注度較低，不過情況正在改變。準確率接近電子芯片，完成矩陣乘法所用時間可達到最先進電子芯片1/100以內(nèi)的光子計算芯片，或?qū)⒃诓贿h的將來顛覆大數(shù)據(jù)處理等應(yīng)用。

圖片來自pikrepo

光子計算開始引發(fā)關(guān)注

光纖傳輸已經(jīng)普及，但同樣使用光子的計算近兩年才開始受到關(guān)注。曦智科技聯(lián)合創(chuàng)始人兼CEO沈亦晨表示，用光做數(shù)據(jù)傳輸不是一件新鮮的事情，光纖通信已經(jīng)成為了業(yè)界標準。這反應(yīng)出用光做數(shù)據(jù)傳輸無論是成本、能耗還是帶寬都遠優(yōu)于電子。

“我覺得光通信是實現(xiàn)光子計算的必經(jīng)之路，從半導(dǎo)體的發(fā)展來看，也是先做通信再做計算，兩者最大的不同在于集成度?！鄙蛞喑勘硎?。

光通信的一個模塊里可能涉及幾十到上百個光學元器件，但光子計算一個芯片就需要成千上萬個光學元器件，這就會帶來體積、封裝、控制等一系列的問題。

所謂光子計算，可以理解為將大量光學器件有序組合起來，其作用類似半導(dǎo)體芯片中的晶體管，利用不同波長，相位和強度的光線組合，在復(fù)雜的反射鏡、濾波器以及棱鏡結(jié)構(gòu)所組成的數(shù)組中進行信息處理。

理論上，光子芯片規(guī)?？梢宰龅胶艽?，也可以做到很小，并且光的特性先天適合線性計算，包含高密度的并行計算。在AI火熱的當下，光子芯片運行矩陣乘法效果有機會比現(xiàn)有電子芯片效果好成百上千倍，吸引了學術(shù)界和產(chǎn)業(yè)界爭相探索光子計算帶來的機會。

2015年，IBM研究人員發(fā)表了針對光子計算的新實驗性技術(shù)，把硅光子數(shù)組集成到與CPU 相同的封裝尺寸中。

2016年，麻省理工學院的研究團隊與合作研究者提出了使用光子代替電子為理論基礎(chǔ)的計算芯片架構(gòu)。由于光和透鏡的交互作用過程本身就是一種復(fù)雜的計算—;—;傅立葉變換，利用這個原理，使用多光束干涉技術(shù)，可以讓干涉結(jié)果反應(yīng)想要的計算結(jié)果。

2016年6月，麻省理工學院研究團隊研發(fā)出針對深度學習的可編程納米光子處理器在arXiv提出了一份論文，該論文的第一作者及通訊作者正是沈亦晨。該論文最終在2017年發(fā)表在《自然-光子學》雜志上。

一年后，英國牛津大學研究人員使用特殊的相變材料與集成光路，模擬人腦的神經(jīng)突觸作用，由此設(shè)計出的“光子突觸”理論運行速度是人腦的千倍。

“2017年發(fā)論文時的光子計算設(shè)備體積還比較大，主要是因為當時很多器件都是分離式的，直到2019年初，我們把所有與光相關(guān)的分立式器件都集成到一個芯片上，體積就縮小了很多。”沈亦晨表示。

圖片來源：Nature Photonics

沈亦晨創(chuàng)立的曦智科技，正是當下讓光子計算獲得更多關(guān)注以及推動光子計算進步不可忽略的力量。

業(yè)界首款光子計算芯片原型如何誕生？

前面已經(jīng)提到，光子計算芯片進行矩陣乘法運算的效果比電子芯片好成百上千倍，因此光子芯片非常適合AI計算。但首先需要解決的問題是，如何將體積龐大的光子計算設(shè)備變?yōu)楦m合規(guī)模應(yīng)用的光子計算芯片？

這就得從光子計算的實現(xiàn)方式說起。沈亦晨介紹，“光子計算實現(xiàn)的方案有很多種，包括空間光、結(jié)構(gòu)光、MEMS、硅光等。我們選擇的硅光方式，是用硅作為光子的載體，利用成熟的半導(dǎo)體工藝，不僅集成度和穩(wěn)定性高，成本也很低?！?/strong>