実際、MITの研究チームと共同研究者は、光とレンズ自体の理論的な相互作用として電子の代わりに光子を使用する2016年前半の提案された計算チップアーキテクチャでも同様の発見をしています複雑な計算：フーリエ変換 - この原理を使用し、複数のビームステアリング技術を使用して、相関を使用して検索の所望の結果を見つけることができ、チップアーキテクチャは、研究チームによってプログラマブルナノフォトニックプロセッサ。
2017年6月、MITの研究チームはプログラマブルなナノフォトニックプロセッサに関する論文を発表し、杭州で生まれたこの論文の最初の著者と特派員であるNature-Photonicsシェン氏は、現在、ライトディレクショナルの共同設立者兼CEOであり、35歳未満の35人の中国の技術革新青年のうちの1人で、2017年にMIT Reviewによって選ばれました。
フォトンコンピューティングには、いくつかのAIアルゴリズムを扱う際に独自の利点があります
図丨2017年のMITのレビュー中国の35歳の35歳の科学技術革新を選択した、光の共同創設者兼CEOシェンも朝
インテリジェントな光コンピューティング環境を構築するため、チップデザイン、コアアルゴリズム、トランスミッション、周辺機器などの光学チップ技術を開発するために、光イデアンスはShen Yichenのリーダーシップの下で最善を尽くしています。したがって、クラウドコンピューティングをコア開発プロジェクトと見なしているBaiduや米国半導体業界の幹部も含め、Photonic Chipの将来についての楽観主義のために、すべてLightianceの初期投資家になった。
シェンチェンはまた、ちょうど2015年には、主にナノフォトニクスにあるため、MITの研究プロジェクトで、その博士課程に、DT-ジュンを表明し、AIアプリケーションはすぐに離陸。我々はすべて知っているように、データに加えて、AIのハードウェアアプリケーションも非常に重要ですしたがって、コンピューティング環境での光子の使用という考えが始まりました。
しかし、なぜ誰もそれ2015ニューラルネットワークの効果を計算するために使用される光子をオンにすると思っていますか？シェンチェンはまた、過去にニューラルネットワーク・コンピューティングが普及していない、そして伝統的なロジックの計算は光子が最高の場所をして計算されないためであると述べました。
実際、光の性質は高次元の並列コンピューティングを伴う本質的に線形（AI計算の最も重要な部分）であるため、フォトニックチップはAI計算のための最も適切な将来のハードウェアアーキテクチャである可能性があります。対照的に、量子コンピューティングはAIのために最近注目されているが、量子コンピューティングは依然としてデコードやサーチにおいて優れている分野であり、大量生産ではまだ成熟していないが、その可能性は過小評価されない。
伝送から計算まで、光子チップは究極のコンピューティングソリューションになるでしょうか？
インテルが2006年に最初の標準CMOSプロセスハイブリッド・シリコン・レーザーを導入した後、電気と光学の全く異なる2つの物理現象が最終的にまとまりました。長年にわたって、この技術に基づく超広帯域光伝送アーキテクチャは、高性能のデータセンターに好まれており、大量のデータ伝送によるシステムのボトルネックを効果的に削減しています。
2015年、IBMの研究者は、光インタフェースチップにされたシリコンフォトニクス技術の問題の同じパッケージサイズのCPUに組み込まシリコンフォトニックアレイによって、光コンピューティングのための新たな実験技術を作ったが、IBM光子解決していますスキームは、透過光のシングルチップシステム（SOC）、安価な標準コネクタ（エッジコネクタ）に適用することができ、または一緒に限り、チップエッジとの間のチップは、チップ通信にCMOSチップとすることができるように。
主としてチップと解決従来の間のチップ、又はチップとストレージシステムとの間のフォトニックチップ相互接続としてこれらの開発。高集積フォトニックチップ発明によって、前大規模かつ複雑な光伝送インフラを交換、および高速化、低レイテンシー。
しかし、光子をコンピュータ分野に持ち込み、さらには「フォトニック・チップ」を形成するという現実の概念は、近年では徐々に発見されているに過ぎない。
実際には、チップ・アーキテクチャ自体は同じロジックをベースにしており、半導体技術、コンピューティング・パワー、サイズ、および機能によって制限されています。電力消費、コスト形成は、関係の四隅をバランスさせることは困難です。
この時点で、業界にも積極的状況を打破するために、新しいコンピューティング技術を探し始めました。GPGPU、ニューラルネットワークチップ、DSP、FPGAが提案されており、それは異なる時間に特定のコンピューティングアプリケーションの解決に特化し、彼らは根本的なチップに対応していません半導体構造に直面し、その物理的特性に基づいて制限されている問題で、。
図丨光子シナプス原理
Nvidiaのは、大幅にGPUソリューションの最新世代に強化され、AIによって、より複雑なアプリケーションコンテキストを行うためのCPUとFPGAのコンピューティング能力を結合します、このようなインテルの将来として、出現し続ける処理アーキテクチャを促進し、拡大し続けるコンピューティングニーズから持ってきました加えて、推論能力、例えば、ニューラルネットワークチップ（NPU）、量子（量子コンピューティング）、コンピュータ、および最新のコンピューティングのコンセプト、新しい構造を起動するための希望の多くは、具体的な計算に適しているもありますベースのフォトニック回路は、 （フォトニック回路）コンピューティング・アーキテクチャ。
実際、「光」は、10年以上にわたってコンピューティング環境で使用されており、主に異なるチップまたはストレージデバイス間でデータを転送するために使用されていましたが、関連する伝送技術は高価すぎるため、高価なペリメーターはその利点を示すことができます。したがって、「光」の伝達は消費者市場に広まったことがなく、この事実を明確に理解できません。
しかし、計算は別のレベルの問題です。
図丨SMART Photonicsフォトニックチップ
フォトンコンピューティングチップを説明するための非常に単純な概念では、チップの無数の光スイッチの役割は、半導体チップのロジックゲート、異なる波長の使用、光の組み合わせの位相と強度、複雑なミラー、フィルターそして、情報処理の配列のプリズム構造。
それは広くデータで使用されているように、シリコンフォトニクスおよびマイクロエレクトロニクス、半導体材料のシリコンのアーキテクチャに基づいている。光通信伝送態様およびアプリケーションシリコン起因速い反応と光の平行特性のため、非常に人気となっているように、瞬時に、大量のデータを送信することができます。サーバセンター。比較的低消費電力性能を行うことができ、光子の使用は、理論的なフレームワークを計算に必要なエネルギーの伝達及び変換は、極めて小さく、設計及び修正が比較的単純な光子伝送安定性、並列処理のため第二に、理論的には、フォトニックチップは、モバイル機器などの非常に小さなスケールのアプリケーション上で行うことができます。
フォトニックチップは現在、成熟した半導体技術に従い、実験段階のフォトニックチップにまだある半導体チップのコンピューティングパワーの両方を超えて大幅に達成することができます唯一の古いミクロン・プロセスを必要とし、したがって、クラフトミニチュア宇宙の未来は膨大であることができます。でも、チップの高密度化、だけでなく、大幅な成長のパフォーマンスのおかげ、とすることで完全にムーアの法則の限界を書き換えるする機会を持っています。
CMOS技術はフォトン・コンピューティングの最大の利点を追求していますが、従来の半導体コンピューティング
図丨CMOS
シェン・チェンはまた、実験室での光子密度チップが、フォトニックチップと基本的に特殊な技術の使用に関して量子計算に基づいて、現在のCMOS製造プロセスであることが有利であると製造のコストや技術を前記しましたこれは従来の半導体チップより優れていますが、量子チップよりはるかに優れています。
異なる波長の光が道路の数、またはチップで使用される光信号の帯域幅、及び光電変換のボトルネックの組み合わせを用いて行われている間、例えばアーキテクチャおよびアルゴリズムに応じてフォトニックチップの有効性が、単一の物理からの光ビューのフィーチャポイントは、適切なアルゴリズムで100倍の伝統的な半導体チップの速度を達成するためにはほとんど問題ではありません。
もちろん、理論的には、大規模フォトニックチップが行うことができ、非常に少しを行うことができますが、光が非線形動作に適していないため、光学チップの統合とサイズに加えて、まだ一定の仕様を持って、完全に半導体チップを交換しますまだ大きな困難があります。
チップから、周辺の生態学へのアルゴリズムが発展しています
シェンチェンはまた、現在のLightelligenceフォトニックチップの開発がアルゴリズム、バスの中で、実験室のステージショーを完了し、ストレージは、進行の対応する設計になっていますもちろん、コンピュータチップやエコロジー最も重要なのは、これはまた、より多くの研究が必要であることを強調しました機関や企業が共同で構築するために、光コンピューティングの分野を拡大するために追加しました。
主な製品はチップであるため、コア部分はアルゴリズムとハードウェアの組み合わせであり、対応するチップ命令とコンパイラとLightelligenceの仕事は、開発されたチップを現在普及しているフレームワークに適用できるようにすることですTensorFlow、Caffeなどがあります。
さらに、光線追跡は、送信または記憶における光子計数の特殊性のために周辺設計を開発しているが、現在の記憶システムは着陸速度を加速するが、光子計算の性能を制限し、したがって、将来のこの部分、または光子コンピューティングの最適化された設計を目標として、光子コンピューティングの全体的な利点を強調することができます。
Lightelligenceチームは現在、生態光子相関計算の向上に努めておりた後、私はフォトニックコンピューティング・アーキテクチャの着陸は、大幅にスピードアップすることができると信じて、現在のコースは成熟していないが、高性能コンピューティング、およびより良いニューラルネットワーク・コンピューティング・アーキテクチャのための業界は非常に高い期待を持っていますAI全体は生態学的変化を計算する。
シェン李チェンは利用拡大を徐々に回し、その後Lightelligenceは、第一又は技術やアプリケーションのシナリオは、より成熟したフォトニックチップのアプリケーションになります。それは特定の目的のためである、または汎用コンピューティングパワーのために、これは異なるプロセス・チップ・アーキテクチャ開発の選択であるかどうか、と述べた、とアプリケーションの範囲、また、フォトニックチップ技術の前端と後端の開発に取り組んでいる間、より良い別のコンピューティングシナリオの将来に適応。
シェンチェンはまた、道路のフォトニック・コンピューティングに完了する必要はなく、最も近いものを達成するための最良の時間であるかもしれないものに比べて計算されたすべての光子を試してみて、過去一般的には、多くの重要な技術的な改善がある、と強調しました。