近日：內(nèi)容由半導(dǎo)體行業(yè)觀察（發(fā)布者會員賬號：icbank）編譯自IEEE，謝謝。
模仿人腦工作得深度神經(jīng)網(wǎng)絡(luò)現(xiàn)在通常為計算機(jī)視覺、語音識別等提供支持。然而，它們越來越受到用于實現(xiàn)它們得硬件得限制?，F(xiàn)在，科學(xué)家們已經(jīng)在光子微芯片上開發(fā)了一種深度神經(jīng)網(wǎng)絡(luò)，可以在不到一納秒得時間內(nèi)對圖像進(jìn)行分類，這與最先進(jìn)得電子設(shè)備中得時鐘得單個滴答時間大致相同。
在人工神經(jīng)網(wǎng)絡(luò)中，被稱為“神經(jīng)元”得組件被輸入數(shù)據(jù)并合作解決問題，例如識別人臉。神經(jīng)網(wǎng)絡(luò)反復(fù)調(diào)整其神經(jīng)元之間得聯(lián)系，并查看由此產(chǎn)生得行為模式是否能更好地找到解決方案。隨著時間得推移，網(wǎng)絡(luò)會發(fā)現(xiàn)哪些模式最適合計算結(jié)果。然后它采用這些作為默認(rèn)值，模仿人腦中得學(xué)習(xí)過程。如果一個神經(jīng)網(wǎng)絡(luò)擁有多層神經(jīng)元，它就被稱為“深度”。
盡管這些人工智能系統(tǒng)越來越多地找到現(xiàn)實世界得應(yīng)用程序，但鑒于運(yùn)行它們得硬件，它們面臨著許多重大挑戰(zhàn)。首先，它們通常使用基于數(shù)字時鐘得平臺（例如圖形處理單元(GPU)）來實現(xiàn)，這將它們得計算速度限制在時鐘頻率上——對于大多數(shù)最先進(jìn)得 GPU 來說，它不到 3 GHz。其次，與可以計算和存儲數(shù)據(jù)得生物神經(jīng)元不同，傳統(tǒng)電子設(shè)備將內(nèi)存和處理單元分開。在這些組件之間來回穿梭數(shù)據(jù)會浪費(fèi)時間和精力。
此外，原始視覺數(shù)據(jù)通常需要轉(zhuǎn)換為數(shù)字電子信號，耗時較長。此外，通常需要大內(nèi)存單元來存儲圖像和視頻，從而引發(fā)潛在得隱私問題。
在一項新研究中，研究人員開發(fā)了一種光子深度神經(jīng)網(wǎng)絡(luò)，可以直接分析圖像，而無需時鐘、傳感器或大內(nèi)存模塊。它可以在不到 570 皮秒得時間內(nèi)對圖像進(jìn)行分類，這與最先進(jìn)得微芯片中得單個時鐘周期相當(dāng)。
“它每秒可以對近 20 億張圖像進(jìn)行分類，”該研究得資深感謝分享、費(fèi)城賓夕法尼亞大學(xué)得電氣工程師Firooz Aflatouni說。“作為參考，傳統(tǒng)得視頻幀速率是每秒 24 到 120 幀?！?/p>
新設(shè)備標(biāo)志著第壹個完全在集成光子設(shè)備上以可擴(kuò)展方式實現(xiàn)得深度神經(jīng)網(wǎng)絡(luò)。整個芯片得大小只有 9.3 平方毫米。
感興趣得圖像被投影到 5×6 像素陣列上，并分為四個重疊得 3×4 像素子圖像。然后，光通道或波導(dǎo)將每個子圖像得像素路由到設(shè)備得九個神經(jīng)元。
當(dāng)微芯片接受訓(xùn)練以將圖像識別為例如一個字母或另一個字母時，電控設(shè)備會調(diào)整每個神經(jīng)元如何修改入射光信號得功率。通過分析圖像中得光線在穿過微芯片得神經(jīng)元層后如何被修改，人們可以讀取微芯片得結(jié)果。
“通過傳播計算，計算發(fā)生在波通過介質(zhì)傳播時，可以以光速執(zhí)行計算，”Aflatouni 說。
科學(xué)家們讓他們得微芯片識別手寫字母。在一組測試中，它必須將 216 個字母分類為“p”或“d”，而在另一組測試中，它必須將 432 個字母分類為“p”、“d”、“a”或“t”。' 該芯片得精度分別高于 93.8% 和 89.8%。相比之下，使用Keras庫在 Python 中實現(xiàn)得 190 個神經(jīng)元得傳統(tǒng)深度神經(jīng)網(wǎng)絡(luò)在相同圖像上實現(xiàn)了 96% 得準(zhǔn)確率。
研究人員現(xiàn)在正在嘗試使用這些設(shè)備對視頻和 3D 對象進(jìn)行分類，并使用具有更多像素和神經(jīng)元得更大芯片對更高分辨率得圖像進(jìn)行分類。此外，這項技術(shù)得應(yīng)用“不僅限于圖像和視頻分類，”Aflatouni 說。“任何可以轉(zhuǎn)換為光域得信號，例如音頻和語音，都可以使用這項技術(shù)幾乎瞬間進(jìn)行分類?！?/p>
★ 感謝閱讀文末【閱讀原文】，可查看感謝原文鏈接！
*免責(zé)聲明：感謝由感謝分享來自互聯(lián)網(wǎng)。文章內(nèi)容系感謝分享個人觀點(diǎn)，半導(dǎo)體行業(yè)觀察感謝僅為了傳達(dá)一種不同得觀點(diǎn)，不代表半導(dǎo)體行業(yè)觀察對該觀點(diǎn)贊同或支持，如果有任何異議，歡迎聯(lián)系半導(dǎo)體行業(yè)觀察。
今天是《半導(dǎo)體行業(yè)觀察》為您分享得第3063內(nèi)容，歡迎感謝對創(chuàng)作者的支持。
★FPGA得未來發(fā)展猜想
★代工廠布陣第三代半導(dǎo)體
★群雄激戰(zhàn)數(shù)據(jù)中心
晶圓｜集成電路｜設(shè)備｜汽車芯片｜存儲｜臺積電｜AI｜封裝
原文鏈接！
