ai软件图标光子微芯片开发了一种光子深度神经网络的时间内对图像进行分类

来源：内容由半导体产业观察（ID：icbank）编译自IEEE，谢谢。

模仿人脑工作的深度神经网络目前一般为计算机视觉、语音识别等提供支持。然而，它们越来越遭到用于推动他们的软件的限制。现在，科学家们终于在光子微芯片上研发了一种深度神经网络，可以在不到一纳秒的时间内对图像进行分类，这与最先进的电子仪器中的钟表的单个滴答时间大致同样。

在人工神经网络中，被称为“神经元”的模块被输入数据并合作解决难题，例如识别人脸。神经网络反复调整其神经元之间的联系，并查看由此形成的行为方式能否能更好地找到解决方案。随着时间的推移，网络会看到这些方式最合适计算结果。然后它采取这种成为默认值，模仿人脑中的学习过程。如果一个神经网络拥有多层神经元，它就被称为“深度”。

虽然这种人工智能平台越来越多地找到现实世界的应用程序，但由于运行他们的硬件ai软件图标，它们遭遇着许多重大挑战。首先，它们一般使用基于数字时钟的系统（比如图形处理单元(GPU)）来实现，这将他们的计算速率限制在时钟频率上——对于大多数最先进的GPU来说，它不到3GHz。其次，与可以计算和储存数据的生物神经元不同，传统电子设施将存储和处理单元分开。在这种模块之间来回穿梭数据会耗费时间和精力。

另外，原始视觉数据一般必须转换为数字电子信号，耗时较长。此外，通常必须大内存单元来储存图像和视频，从而导致潜在的隐私问题。

在一项新研究中，研究人员研发了一种光子深度神经网络，可以直接预测图像，而无需时钟、传感器或大存储组件。它可以在不到570皮秒的时间内对图像进行分类，这与最先进的微芯片中的单个时钟周期非常。

“它每秒可以对近20亿张图像进行分类，”该研究的知名作者、费城宾夕法尼亚学院的电气项目师FiroozAflatouni说。“作为参考，传统的视频帧速率是每秒24到120帧。”

新设备标志着第一个完全在集成光子设备上以可扩充方法推动的深度神经网络。整个芯片的大小只有9.3平方厘米。

感兴趣的图像被投影到5×6像素阵列上，并分为四个重叠的3×4像素子图像。然后，光通道或波导将每个子图像的像素路由到仪器的九个神经元。

当微芯片接受训练以将图像辨识为诸如一个字母或另一个字母时，电控设备会微调每个神经元如何设置入射光信号的功率。通过预测图像中的光线在穿过微芯片的神经元层后怎样被更改，人们可以抓取微芯片的结果。

“通过传播计算，计算出现在波通过介质传播时，可以以光速执行计算，”Aflatouni说。

科学家们让人们的微芯片识别手写字母。在一组测试中，它需要将216个字母分类为“p”或“d”，而在另一组测试中，它需要将432个字母分类为“p”、“d”、“a”或“t”。'该芯片的效率分别超过93.8%和89.8%。相比之下，使用Keras库在Python中推动的190个神经元的传统深度神经网络在同样图像上推动了96%的具体率。

研究人员目前正在尝试使用这种设施对视频和3D对象进行分类，并使用带有更多像素和神经元的更大芯片对更高信噪比的图像进行分类。此外，这项科技的应用“不仅限于图像和视频分类，”Aflatouni说。“任何可以转化为光域的信号，例如音频和语音ai软件图标，都可以使用这项技术几乎瞬间进行分类。”