近日，上海交通(tong)大學電(dian)子信(xin)息與(yu)電(dian)氣工(gong)程(cheng)(cheng)學院電(dian)子工(gong)程(cheng)(cheng)系(xi)區域光(guang)纖通(tong)信(xin)網與(yu)新型光(guang)通(tong)信(xin)系(xi)統國(guo)家重點實驗室鄒衛(wei)(wei)文(wen)教授團隊(dui)在光(guang)學智能計(ji)算(suan)領域取得(de)突破(po)性進展，研(yan)究成果以Optical coherent dot-product chip for sophisticated deep learning regression（面向(xiang)復雜深度(du)學習回(hui)歸任(ren)務(wu)的(de)光(guang)學相干點積核芯片）為題在光(guang)學領域權威期刊Light: Science & Applications上發表。該工(gong)作成功研(yan)制了(le)(le)一(yi)款(kuan)光(guang)學相干點積核計(ji)算(suan)芯片，具(ju)有運行復雜神經網絡的(de)能力(li)，率先在光(guang)學智能計(ji)算(suan)芯片上實現(xian)了(le)(le)高(gao)精度(du)的(de)醫(yi)學圖像重構任(ren)務(wu)。鄒衛(wei)(wei)文(wen)教授為該論文(wen)的(de)通(tong)訊作者(zhe)，博士研(yan)究生徐紹夫(fu)為該論文(wen)的(de)第一(yi)作者(zhe)。 

隨著智能應用的普及，以神經網絡為代表的智能算法復雜度呈現爆發性增長，龐大的算力需求給現有的數字處理器帶來了極大的壓力，亟待開辟新型計算模式來緩解摩爾定律增速與算力需求增速之間的矛盾關系。近年來，光學智能計算技術受到國內外學術界廣泛關注。光學系統的計算時鐘頻率可以超過數十GHz（109 Hz），同時具備靜態無功耗的特性，被認為是實現下一代高速低功耗智能計算加速器的潛在途徑。學術界報道的多種光學智能計算方案雖成功驗證了高速低功耗計算的能力，但所能實現的任務均是簡單的分類任務，與實際應用在復雜度上存在較大差距。 

2016年末，鄒衛(wei)文教授團隊(dui)著力開展(zhan)智能(neng)光(guang)(guang)(guang)學信(xin)號處理(li)(li)技術(shu)(shu)研究，率先(xian)驗證(zheng)了(le)智能(neng)算(suan)法可以有效提升微波光(guang)(guang)(guang)子信(xin)號處理(li)(li)系(xi)統(tong)(tong)的(de)性能(neng)，相(xiang)關(guan)成果發表于(yu)2019年Light: Science & Applications期(qi)刊上（論文鏈接：//www.nature.com/articles/s41377-019-0176-4），并受(shou)到微波光(guang)(guang)(guang)子學領域的(de)廣泛關(guan)注。在(zai)此基礎上，團隊(dui)瞄準(zhun)利用光(guang)(guang)(guang)學系(xi)統(tong)(tong)實現高速高效智能(neng)計算(suan)這一(yi)目標，先(xian)后(hou)提出光(guang)(guang)(guang)學點積(ji)核、光(guang)(guang)(guang)學卷積(ji)分(fen)塊技術(shu)(shu)等新(xin)型系(xi)統(tong)(tong)架構(gou)，分(fen)別(bie)解決了(le)算(suan)法執行規模與(yu)輸入端口能(neng)量效率等問題，為光(guang)(guang)(guang)學智能(neng)計算(suan)芯片的(de)研制與(yu)應用奠(dian)定了(le)原理(li)(li)基礎。 

光學相干點積核芯片及其封裝模(mo)塊

 
此(ci)次，鄒衛文教授團隊與(yu)(yu)國(guo)內(nei)合作(zuo)單位(wei)（北京大學(xue)、中科(ke)院(yuan)半(ban)導體所）設計(ji)并研(yan)制一(yi)款光(guang)學(xue)相(xiang)干點積核計(ji)算芯片。該芯片突破(po)了(le)陣列化光(guang)學(xue)器(qi)件的相(xiang)干調控關鍵(jian)技術，成功(gong)地實(shi)(shi)現了(le)實(shi)(shi)數域計(ji)算。借助于新型片上反饋(kui)控制算法，大幅提升了(le)光(guang)學(xue)計(ji)算的數值(zhi)精度(du)(du)。與(yu)(yu)此(ci)前的工作(zuo)相(xiang)比，該芯片在數域完整(zheng)度(du)(du)與(yu)(yu)數值(zhi)精度(du)(du)上的突破(po)，使其具備了(le)執行復(fu)雜(za)智能任務的能力(li)。 

光學(xue)相干點積核芯片重構結果與計(ji)算機結果的(de)對比(bi)

 
本研究中，鄒衛文教授團隊利用醫學圖像重構任務作為驗證，在芯片上成功地運行了AUTOMAP（用于通用圖像重構）神經網絡模型，圖像重構的質量接近了32位計算機的理想水平。該工作不僅推動光學神經網絡研究領域攻克實際應用難題，更為下一代智能計算技術提供了新思路。后續進一步提高芯片的器件集成規模，有望實現更高速、更低功耗的光學神經網絡處理器，緩解智能算力需求劇增與傳統硬件算力受限的矛盾。  該工作由上海交通大學、北京大學與中科院半導體所合作完成。上海交通大學為第一完成單位，博士研究生徐紹夫為第一作者，鄒衛文教授為通訊作者。 
 
該工作受國家重點研發計劃（Program No. 2019YFB2203700）與國家自然科學基金項目（Grant No. 61822508）支持。 
 
Shaofu Xu, Jing Wang, Haowen Shu, Zhike Zhang, Sicheng Yi, Bowen Bai, Xingjun Wang, Jianguo Liu, and Weiwen Zou, Optical coherent dot-product chip for sophisticated deep learning regression, Light: Science & Applications, vol. 10, 221, 2021. Doi: 10.1038/s41377-021-00666-8. 

相關鏈接：//szdcj.net/show/367.html