上海交大科研團(tuán)隊(duì)在光學(xué)智能計(jì)算芯片研制上取得突破性進(jìn)展

  近日，上海交通大學(xué)電子信息與電氣工程學(xué)院電子工程系區(qū)域光纖通信網(wǎng)與新型光通信系統(tǒng)國家重點(diǎn)實(shí)驗(yàn)室鄒衛(wèi)文教授團(tuán)隊(duì)在光學(xué)智能計(jì)算領(lǐng)域取得突破性進(jìn)展，研究成果以O(shè)ptical coherent dot-product chip for sophisticated deep learning regression(面向復(fù)雜深度學(xué)習(xí)回歸任務(wù)的光學(xué)相干點(diǎn)積核芯片)為題在光學(xué)領(lǐng)域權(quán)威期刊Light: Science & Applications上發(fā)表。該工作成功研制了一款光學(xué)相干點(diǎn)積核計(jì)算芯片，具有運(yùn)行復(fù)雜神經(jīng)網(wǎng)絡(luò)的能力，率先在光學(xué)智能計(jì)算芯片上實(shí)現(xiàn)了高精度的醫(yī)學(xué)圖像重構(gòu)任務(wù)。鄒衛(wèi)文教授為該論文的通訊作者，博士研究生徐紹夫?yàn)樵撜撐牡牡谝蛔髡摺?

團(tuán)隊(duì)研究布局

  隨著智能應(yīng)用的普及，以神經(jīng)網(wǎng)絡(luò)為代表的智能算法復(fù)雜度呈現(xiàn)爆發(fā)性增長(zhǎng)，龐大的算力需求給現(xiàn)有的數(shù)字處理器帶來了極大的壓力，亟待開辟新型計(jì)算模式來緩解摩爾定律增速與算力需求增速之間的矛盾關(guān)系。近年來，光學(xué)智能計(jì)算技術(shù)受到國內(nèi)外學(xué)術(shù)界廣泛關(guān)注。光學(xué)系統(tǒng)的計(jì)算時(shí)鐘頻率可以超過數(shù)十GHz(109 Hz)，同時(shí)具備靜態(tài)無功耗的特性，被認(rèn)為是實(shí)現(xiàn)下一代高速低功耗智能計(jì)算加速器的潛在途徑。學(xué)術(shù)界報(bào)道的多種光學(xué)智能計(jì)算方案雖成功驗(yàn)證了高速低功耗計(jì)算的能力，但所能實(shí)現(xiàn)的任務(wù)均是簡(jiǎn)單的分類任務(wù)，與實(shí)際應(yīng)用在復(fù)雜度上存在較大差距。

  2016年末，鄒衛(wèi)文教授團(tuán)隊(duì)著力開展智能光學(xué)信號(hào)處理技術(shù)研究，率先驗(yàn)證了智能算法可以有效提升微波光子信號(hào)處理系統(tǒng)的性能，相關(guān)成果發(fā)表于2019年Light: Science & Applications期刊上(論文鏈接：https://www.nature.com/articles/s41377-019-0176-4)，并受到微波光子學(xué)領(lǐng)域的廣泛關(guān)注。在此基礎(chǔ)上，團(tuán)隊(duì)瞄準(zhǔn)利用光學(xué)系統(tǒng)實(shí)現(xiàn)高速高效智能計(jì)算這一目標(biāo)，先后提出光學(xué)點(diǎn)積核、光學(xué)卷積分塊技術(shù)等新型系統(tǒng)架構(gòu)，分別解決了算法執(zhí)行規(guī)模與輸入端口能量效率等問題，為光學(xué)智能計(jì)算芯片的研制與應(yīng)用奠定了原理基礎(chǔ)。

光學(xué)相干點(diǎn)積核芯片及其封裝模塊

  此次，鄒衛(wèi)文教授團(tuán)隊(duì)與國內(nèi)合作單位(北京大學(xué)、中科院半導(dǎo)體所)設(shè)計(jì)并研制一款光學(xué)相干點(diǎn)積核計(jì)算芯片。該芯片突破了陣列化光學(xué)器件的相干調(diào)控關(guān)鍵技術(shù)，成功地實(shí)現(xiàn)了實(shí)數(shù)域計(jì)算。借助于新型片上反饋控制算法，大幅提升了光學(xué)計(jì)算的數(shù)值精度。與此前的工作相比，該芯片在數(shù)域完整度與數(shù)值精度上的突破，使其具備了執(zhí)行復(fù)雜智能任務(wù)的能力。

  光學(xué)相干點(diǎn)積核芯片重構(gòu)結(jié)果與計(jì)算機(jī)結(jié)果的對(duì)比

  本研究中，鄒衛(wèi)文教授團(tuán)隊(duì)利用醫(yī)學(xué)圖像重構(gòu)任務(wù)作為驗(yàn)證，在芯片上成功地運(yùn)行了AUTOMAP(用于通用圖像重構(gòu))神經(jīng)網(wǎng)絡(luò)模型，圖像重構(gòu)的質(zhì)量接近了32位計(jì)算機(jī)的理想水平。該工作不僅推動(dòng)光學(xué)神經(jīng)網(wǎng)絡(luò)研究領(lǐng)域攻克實(shí)際應(yīng)用難題，更為下一代智能計(jì)算技術(shù)提供了新思路。后續(xù)進(jìn)一步提高芯片的器件集成規(guī)模，有望實(shí)現(xiàn)更高速、更低功耗的光學(xué)神經(jīng)網(wǎng)絡(luò)處理器，緩解智能算力需求劇增與傳統(tǒng)硬件算力受限的矛盾。 該工作由上海交通大學(xué)、北京大學(xué)與中科院半導(dǎo)體所合作完成。上海交通大學(xué)為第一完成單位，博士研究生徐紹夫?yàn)榈谝蛔髡撸u衛(wèi)文教授為通訊作者。

  該工作受國家重點(diǎn)研發(fā)計(jì)劃(Program No. 2019YFB2203700)與國家自然科學(xué)基金項(xiàng)目(Grant No. 61822508)支持。

  Shaofu Xu, Jing Wang, Haowen Shu, Zhike Zhang, Sicheng Yi, Bowen Bai, Xingjun Wang, Jianguo Liu, and Weiwen Zou, Optical coherent dot-product chip for sophisticated deep learning regression, Light: Science & Applications, vol. 10, 221, 2021. Doi: 10.1038/s41377-021-00666-8.

  論文鏈接：https://www.nature.com/articles/s41377-021-00666-8