一个国际研究团队创新性地开发了一种新型光子处理器的设计与方法，以加速机器学习领域的复杂数学运算。
随着AI应用的快速增长，现有计算机处理器的负担日益加重，难以满足不断增长的需求。
为了解决这一问题，科学家们提出了一种方案，采用光子处理器将数据处理和存储整合于同一芯片上。这种处理器能够通过并行处理信息，超越传统电子芯片的性能。
明斯特大学的WolfRaM PeRnice教授指出，这种轻量级处理器能够显著加速机器学习任务，从而以更高的速度和吞吐量处理复杂的数学计算。
研究团队还设计了一种硬件加速器，专门用于矩阵矢量乘法，这一运算是人工神经网络的核心，灵感来源于生物大脑在处理图像或音频数据时的松散结构。由于不同波长的光不会相互干扰，这使得它们能够实现波长的并行计算（多路复用），为光子处理器带来了更高的数据传输速率和单位面积内更多的操作能力。
然而，要实现这一目标，需要采用一种新型光源技术：EPFL研发的基于芯片的“频率梳”。
EPFL的教授ToBIas KIPpenbeRg表示，这是首个将频率梳应用于人工神经网络的研究。肯彭贝格的研究推动了频率梳技术的发展，使得在同一光子芯片上能够独立处理多种波长。
研究人员还将光子结构与相变材料相结合，以作为节能存储元件，实现无能源存储和保持矩阵元素。
在制造光子芯片后，研究团队对其在神经网络中进行测试，以识别手写数字。他们认为，输入数据与一个或多个过滤器之间的运算非常适合其矩阵架构，从而达成前所未有的计算密度。
牛津大学的Johannes FeldMan博士是该研究的主要作者，他解释道，光信号传输使得处理器能够通过波长多路复用实现并行数据处理，从而提高计算密度，并在一个时间步内执行多个矩阵乘法。与通常在低GHz范围内工作的传统电子产品相比，光调制的速度可达到50至100GHz。
该研究成果发表在本周的一份学术期刊上，展现出广泛的应用前景。这些应用可能涵盖更高效的AI数据同步处理、更复杂的神经网络以提供更精确的预测和数据分析、海量临床数据的诊断支持、自动驾驶汽车中传感器数据的快速评估，以及云计算基础设施的扩展。
