麻省理工学院已经开发了新的光子处理器的体系结构。 与类似的设备相比，它将使光学神经网络的效率提高一千倍。
该芯片将减少数据中心消耗的电量。 我们告诉它如何安排。
照片-Ildefonso Polo-不飞溅为什么我们需要新的架构
光学神经网络比使用电子组件的传统解决方案更快。 光
不需要隔离信号路径，并且激光流可以彼此互通而互不影响。 因此，所有信令路径可以同时运行，从而确保了高数据速率。
但是有一个问题-神经网络的规模越大，它消耗的能量就越多。 为了解决这个问题，正在开发优化数据传输的专用加速器芯片（AI加速器）。 但是，它们的伸缩性不如我们期望的那样。
麻省理工学院采用了解决能量效率和光学芯片缩放问题的解决方案，并
引入了一种新的光子加速器架构，该架构可将设备的功耗降低千倍，并且可与数千万个神经元一起工作。 开发人员说，未来该技术将在与复杂智能系统和机器学习算法交互以及分析大数据的数据中心中找到应用。
她是什么
新芯片基于光电电路。 传输的数据仍然使用光信号进行编码，但是平衡零差检测用于矩阵乘法（
第30页 ）。 这是一项允许您基于两个光学信号形成电信号的技术。
为了传输带有有关输入和输出神经元信息的光脉冲，使用了一条信号路径。 相反，有关神经元权重的数据来自不同的渠道。 它们全部沿着零差光电探测器的网格节点“发散”，该零差光电探测器计算每个神经元的输出值（确定信号电平）。 然后，此信息进入调制器，该调制器将电信号转换回光信号。 接下来，转到神经网络的下一层，然后重复该过程。
麻省理工学院的工程师在科研工作中为单层
给出了以下方案：
图片： 基于光电倍增 / CC BY 的大规模光学神经网络AI加速器的新架构对于每个神经元只需要一个输入通道和一个输出通道。 结果，光电探测器的数量等于神经元的数量，而不是其重量。
这样的行程可以节省芯片空间，增加有用的信令路径数量并优化功耗。 现在，麻省理工学院的工程师正在创建一个原型，该原型将在实践中测试新架构的功能。
还有谁在开发光子芯片
波士顿的一家小型创业公司Lightelligence
正在开发类似的技术。 该公司的员工表示，他们的AI加速器将使机器学习任务的速度比传统设备快数百倍。 去年，该团队完成了他们设备的原型，并准备进行测试。
在光子芯片和思科领域工作。 今年早些时候，该公司宣布
收购一家名为Luxtera
的初创公司，该公司为数据中心设计光子芯片。 特别是，该公司生产的硬件接口使您可以将光纤直接连接到服务器。 这种方法增加了网络带宽并加快了数据传输速度。 Luxtera设备使用特殊的激光器对信息进行编码，并使用锗光电探测器进行解密。
照片-Thomas Jensen -Unsplash其他主要的IT公司（例如Intel）也参与了光学技术。 早在2016年，他们就开始生产自己的光学芯片，以优化数据中心之间的数据传输。 最近，该组织的代表
表示 ，他们计划在数据中心之外的无人驾驶汽车的激光雷达中实施这些技术。
结果如何
到目前为止，光子技术还不能称为通用解决方案。 它们的实施需要为数据中心的技术重新装备付出高昂的成本。 但是，像麻省理工学院和其他组织所开发的那样的发展将使光学芯片变得更便宜，并且很可能使它们在数据中心设备的大众市场中得到“推广”。
我们位于
ITGLOBAL.COM的公司
可帮助公司开发其IT基础架构，并提供私有和混合云服务。 这是我们在公司博客中写的内容：