您尚未登录账户
您的企业账号申请正在审核中
从正方形到立方体：AI硬件处理走向3D，提升处理能力
《自然光子学》杂志上发表的一篇论文中，牛津大学的研究人员与明斯特大学、海德堡大学和埃克塞特大学的合作伙伴共同报道了他们开发的集成光电硬件，能够处理3D数据，极大提升了AI任务的数据处理并行性。
传统的计算机芯片处理效率每18个月翻一番，但现代AI任务所需的处理能力目前每3.5个月翻一番。这意味着迫切需要新的计算范式来满足不断增长的需求。
一种方法是使用光线而不是电子，这允许使用不同的波长来表示不同的数据集，以并行方式进行多个计算。确实，2021年发表在《自然》期刊上的突破性工作中，许多相同的作者证明了一种集成光学处理芯片，其执行矩阵-向量乘法（对于AI和机器学习应用至关重要）的速度远远超过最快的电子方法。这项工作导致了光学AI公司Salience Labs的诞生，这是牛津大学的一个衍生企业。
现在，该团队通过为光学矩阵-向量乘法器芯片的处理能力添加了一个额外的并行维度。这种“更高维度”的处理是通过利用多个不同的无线电频率来编码数据实现的，使并行性达到了以前未曾达到的水平。
作为一个测试案例，团队将他们的新型硬件应用于评估心脏病患者的心电图突发死亡风险的任务中。他们能够同时成功分析100个心电图信号，以93.5%的准确率确定突发死亡的风险。
研究人员进一步估计，即使仅进行6个输入×6个输出的适度扩展，这种方法也可以超过现有的最先进电子处理器，潜在提供100倍的能量效率和计算密度提升。该团队预计未来可以通过利用光的更多自由度（如偏振和模式多路复用）来进一步提高计算的并行性。
牛津大学材料系的第一作者董博伟博士说：“我们之前认为使用光线而不是电子只能通过使用不同的波长来增加并行性，但后来我们意识到使用无线电频率来表示数据还开辟了另一个维度，为新兴的AI硬件实现超快的并行处理提供了可能。”
负责此项工作的牛津大学材料系教授和Salience Labs的联合创始人Harish Bhaskaran教授表示：“现在是从基本尺度上进行AI硬件研究的激动人心的时刻，这项工作就是我们所认为的限制可以被进一步超越的一个例子。”
