本文第一作者為牛津大學(xué) Harish Bhaskaran 院士課題組董博維博士。Harish Bhaskaran 院士課題組的多名科研人員 2022 年在國內(nèi)聯(lián)合創(chuàng)立光計算芯片公司光本位科技，該公司在今年7月份的世界人工智能大會上宣布所研發(fā)的 128*128 矩陣規(guī)模光計算芯片算力密度和算力精度達(dá)到商用標(biāo)準(zhǔn)，董博維博士目前已與該公司建立合作關(guān)系，從光源、相變材料、硅光互聯(lián)架構(gòu)等多維度共同推進(jìn)光子存算在人工智能領(lǐng)域的商業(yè)化落地。

光計算時代或許正在加速到來。

隨著人工智能等技術(shù)對算力的需求日益增長，而傳統(tǒng)電子計算的算力供給能力與人工智能產(chǎn)生的算力需求之間存在失配，這促使人們尋找新的算力增長點(diǎn)。

光計算具有高并行度、高能效比和高速度的特點(diǎn)，在構(gòu)建大規(guī)模矩陣-矩陣并行計算系統(tǒng)時具有巨大優(yōu)勢。近年來，光計算領(lǐng)域涌現(xiàn)出許多研究成果和進(jìn)展。

近日，牛津大學(xué) Harish Bhaskaran 院士課題組董博維博士等研究人員在《Nature》正刊上發(fā)表論文「部分相干光可增強(qiáng)并行光計算」。

• 論文鏈接：https://www.nature.com/articles/s41586-024-07590-y
• 論文標(biāo)題：Partial coherence enhances parallelized photonic computing

在論文中，他們證明了，降低光學(xué)相干性能夠增強(qiáng)光子卷積處理。他們展示了一種利用降低的時間相干性（即部分相干系統(tǒng)）的光子卷積處理系統(tǒng)，以在不顯著犧牲準(zhǔn)確度的情況下提高處理并行性，并有可能實(shí)現(xiàn)大規(guī)模光子張量核。

這種方法消除了對眾多移相器或 MRR 的精確控制的需求，并通過使用部分相干光源減輕了對嚴(yán)格反饋控制和熱管理的要求。

研究者在兩個用于計算應(yīng)用的光子平臺中展示了部分相干處理的廣泛適用性：首先，他們使用相變材料光子存儲器，通過 3×3 光子張量核進(jìn)行并行卷積處理，對十名帕金森病患者的步態(tài)進(jìn)行分類，實(shí)現(xiàn)了 92.2% 的準(zhǔn)確率。其次，他們使用帶有嵌入式 EAM 的 9×3 硅光子張量核實(shí)現(xiàn)了高速 0.108 TOPS 卷積處理器，用于矢量編碼和權(quán)重設(shè)置，并結(jié)合片上光電探測器對 MNIST 手寫數(shù)字?jǐn)?shù)據(jù)集進(jìn)行分類，準(zhǔn)確率達(dá)到 92.4%。

光計算將加速人工智能新變革

光計算大多通過芯片作為載體，在光芯片上實(shí)現(xiàn)。光芯片指的是在用成熟 CMOS 電芯片工藝節(jié)點(diǎn)（180nm、130nm、90nm）改造而成的硅基光電子工藝下流片的芯片，可以運(yùn)用在通信、傳感和計算上。光通信領(lǐng)域，各大光通信廠商都已開始全面將設(shè)備芯片化，如將光開關(guān)集成到硅光芯片上，使得面積和功耗都下降 10-100 倍；傳感領(lǐng)域，激光雷達(dá)廠商正在積極推動將固態(tài)雷達(dá)設(shè)備用硅光芯片替代，以縮小面積和降低成本；而計算是對硅光芯片工藝要求更高、調(diào)制更復(fù)雜的領(lǐng)域，技術(shù)上集成了通信、傳感的先進(jìn)工程化經(jīng)驗(yàn)，也面向更龐大的人工智能市場。

光計算芯片是為人工智能而生。從理論基礎(chǔ)上，光計算芯片天然適配于做并行、大規(guī)模的線性運(yùn)算，而線性運(yùn)算是當(dāng)今世界所有主流人工智能算法的基石。從產(chǎn)業(yè)結(jié)構(gòu)上，人工智能天然需要用大規(guī)模、大算力、安全可控的算力集群來完成生產(chǎn)力的躍遷，而在產(chǎn)生大量算力的同時，能耗控制決定了算力集群的效率和成本。光計算芯片提供了一個超大算力、超低能耗的算力集群的發(fā)展路線。在人工智能眾多新興領(lǐng)域里，光計算芯片天然適配于大模型、自動駕駛、具身智能等。

大模型的訓(xùn)練和推理需要大量的算力，光計算芯片可以極大降低大模型所需硬件的固定成本和使用成本。在固定成本方面，光計算芯片造價成本低，且無需先進(jìn)制程流片。在使用成本方面，光計算芯片能效比極高，同樣算力下耗電量僅為電芯片的 1/100。可以說，光計算芯片是最適合于大模型未來發(fā)展的算力核心硬件。

自動駕駛在從 L3 至 L5 的發(fā)展過程中，算力需求會從每輛車 300TOPS 激增到 2000TOPS，在現(xiàn)有自動駕駛電芯片的能耗條件下，L5 所需求的算力會帶來超過千瓦的耗電量，目前的電池是難以持續(xù)支撐的。光計算芯片提供了一個在大算力前提下不產(chǎn)生大功耗的解決方案，從而保證了新能源汽車在 L5 全自動駕駛下依然有出色的續(xù)航表現(xiàn)。

具身智能系統(tǒng)要實(shí)現(xiàn)與人類互動并完成多樣化指令要求，決策層的多模態(tài)處理不可或缺。作為具身智能的實(shí)體之一，智能機(jī)器人的強(qiáng)化學(xué)習(xí)和模型訓(xùn)練方面需要強(qiáng)大的算力支持。光計算芯片具備的高速率、低延遲、高并行能力、低能耗、不易受干擾等特性，能夠?yàn)榫呱碇悄芟到y(tǒng)的技術(shù)發(fā)展和產(chǎn)業(yè)化應(yīng)用提供重要基礎(chǔ)支撐。

大規(guī)模光計算芯片調(diào)控成本高

光計算芯片可以解決大模型、自動駕駛、具身智能的痛點(diǎn)，但由于光的波特性需要復(fù)雜調(diào)控，實(shí)現(xiàn)大規(guī)模光計算芯片一直是個難題。

大規(guī)模光計算芯片需使用多個激光光源，每個激光的波長和相位需要精準(zhǔn)調(diào)控。同時，光信號處理硬件也需要實(shí)現(xiàn)對波長和相位的精準(zhǔn)調(diào)控。這類似往水池中的不同位置同時丟下多個石塊，并要求在特定的觀測點(diǎn)能夠觀測到固定的水紋。所需精準(zhǔn)調(diào)控雖然理論上可行，但調(diào)控復(fù)雜，且需要巨大的調(diào)控成本，限制了光計算芯片的大型化發(fā)展。

過去的一個世紀(jì)內(nèi)，科學(xué)家們專注于實(shí)現(xiàn)對光源波長和相位的精準(zhǔn)控制，提升光學(xué)相干性（圖 1）。使用高相干性激光是實(shí)現(xiàn)新興光應(yīng)用的基本思路，包括光計算。已展示的光計算系統(tǒng)皆使用高品質(zhì)激光作為光源。

圖 1:   高光學(xué)相干性加速新興光應(yīng)用的發(fā)展。圖源：董博維.

部分相干光可增強(qiáng)并行光計算

近日發(fā)表在《Nature》上的工作打破了使用高品質(zhì)相干光這一思維慣性，反常規(guī)地探究了降低光源相干性對光計算芯片的影響，展示了低品質(zhì)光源可提高光計算性能。牛津大學(xué) Harish Bhaskaran 院士（英國皇家工程院院士）課題組董博維博士等研究人員，展示了使用單一光源即可運(yùn)行大規(guī)模光計算芯片，無需復(fù)雜的光源及片上波長、相位調(diào)控。

研究人員發(fā)現(xiàn)，通過降低光源的品質(zhì)，打破光源的相干性，可以有效消除光計算芯片中的相位噪聲問題，避免復(fù)雜的系統(tǒng)相位調(diào)控，同時通過提升帶寬利用率大幅提高系統(tǒng)算力。

研究人員在存內(nèi)光計算芯片和電吸收調(diào)制器陣列光計算芯片兩個平臺內(nèi)展示了這一新方法的優(yōu)越性。與現(xiàn)有技術(shù)相比，這項(xiàng)新技術(shù)有望將光芯片算力提升兩個數(shù)量級，且通過降低系統(tǒng)控制復(fù)雜度大幅降低系統(tǒng)能耗。

打破光源相干性，消除相位敏感性

通過降低光源相干性，使用部分相干光源，相位敏感性可被徹底消除，一個窄帶部分相干光即可應(yīng)對多個輸入通道。這一方法解耦了波長數(shù)量與輸入通道數(shù)量的關(guān)聯(lián)性。

假設(shè)光計算芯片的工作帶寬為 80nm，部分相干光的線寬為 0.8nm，此時輸入通道數(shù)可為任意大小，且計算并行度可為固定的數(shù)值 100，從而提供比傳統(tǒng)相干光源光計算系統(tǒng)高 100 倍的算力。

研究人員通過實(shí)驗(yàn)驗(yàn)證了這一假設(shè)。如圖 2 所示，在光計算系統(tǒng)中，若在多輸入通道中使用單一激光，會發(fā)生明顯的由干涉引起的強(qiáng)度擾動，影響計算結(jié)果（圖 2b）。若使用單一部分相干光，可觀測到強(qiáng)度擾動被徹底消除，得到穩(wěn)定的計算結(jié)果（圖 2c）。

圖 2:   部分相干光徹底消除干涉引起的光強(qiáng)擾動，使單一光源對應(yīng)任意大小的光計算芯片成為可能。圖源：Nature.

更多細(xì)節(jié)，請參考原論文。