사실, 매사 추세 츠 공과 대학과 연구 팀의 공동 연구자들은이 때문에 그 자체가 빛과 렌즈의 과정 사이의 상호 작용에 광자를 사용하는 대신 이전 2016 년 전자 칩 아키텍처에 대한 이론적 근거를 계산 제안, 유사한 결과를 복잡한 계산 : 푸리에 변환 -이 원리를 이용하여, 다중 빔 간섭 기술의 사용은, 만약 반응에 필요한 상관 계수를 계산하고, 칩 아키텍처의 검색 팀 프로그래밍 내지라고했다. 광자 프로세서.
2017 년 6 월, MIT 연구팀은 프로그래머블 나노 포토 프로세서에 관한 논문을 발표하고 항저우에서 태어난이 신문의 최초 저자이자 특파원 인 Nature - Photonics에 발표했다. Shen은 현재 Lightelligence의 공동 창립자 겸 CEO이자 2017 년 MIT Review에서 선정한 35 세 미만 중국 기술 혁신 청소년 35 명 중 한 명입니다.
광자 컴퓨팅은 일부 AI 알고리즘을 다룰 때 고유 한 이점이 있습니다.
그림 丨 2017 년 MIT 검토 중국의 35 세의 35 세 과학 기술 혁신 선정, 광 정보 공동 창업자이자 CEO 인 Shen Shen Morning
Lightelligence 가능성이 완전히 컴퓨팅의 생태 변경됩니다 기술을 개발하기 때문에 Lightelligence 현재 첸 Yichen, 칩 설계, 핵심 알고리즘, 전송, 주변 장치 및 기타를 포함하여 관련 광학 칩 기술의 전체 개발의 지도력하에. 완전한 광학 컴퓨팅 생태계를 구축하려는 그러므로 때문에 광자 칩의 개발 프로젝트의 핵심으로 바이두 클라우드 컴퓨팅뿐만 아니라 미국 반도체 산업 임원의 수를 포함하여, 미래에 대해 낙관적 인 관심을하는 얻고, Lightelligence에게 초기 투자된다.
쉔 첸은 또한 단지 2015 년, 주로 나노 포토닉스로 인해 MIT의 연구 프로젝트에서의 박사 과정 때문에, DT 6 월을 표명, AI 응용 프로그램을 신속하게 벗어. 우리 모두가 알다시피, 데이터뿐만 아니라, AI의 하드웨어 응용 프로그램도 매우 중요하다 그래서 컴퓨팅 환경에서의 광자 응용 프로그램의 아이디어로 시작합니다.
그러나 왜 2015 년? 쉔 첸이 과거에 신경 네트워크 컴퓨팅이 인기를하지 않고, 기존의 논리 계산 광자가 가장 좋은 장소를하지 계산되지 않기 때문이라고 말했다 신경망의 효과를 계산하는 데 사용되는 광자를 설정하는 생각 아무도.
실제로 광의 특성은 고차원 병렬 컴퓨팅을 포함하는 선형 적으로 (인공 지능 계산의 가장 중요한 부분이기 때문에) AI 계산을위한 가장 적합한 미래의 하드웨어 아키텍처가 될 수 있습니다. 대조적으로, 양자 컴퓨팅은 인공 지능 때문에 최근에 주목을 받았지만 양자 컴퓨팅은 여전히 디코딩이나 검색에서 더 나은 분야이며 대량 생산에서는 아직 성숙하지는 않지만 과소 평가되지는 않습니다.
전송에서 계산에 이르기까지 광자 칩은 궁극적 인 컴퓨팅 솔루션이 될 것입니까?
2006 년부터 인텔이 최초의 표준 CMOS 공정 하이브리드 실리콘 레이저를 선보인 이후 완전히 다른 물리적 현상 인 전기 및 광학이 마침내 성공을 거두었습니다. 수년에 걸쳐이 기술을 기반으로 한 초고 대역폭 광 전송 아키텍처는 고성능 데이터 센터가 선호하여 대용량 데이터 전송으로 인한 시스템 병목 현상을 효과적으로 줄입니다.
2015 년 IBM 연구원 광 인터페이스 칩 것이었다 실리콘 광자 기술의 문제점과 동일한 패키지 크기에 CPU에 통합 실리콘 광 배열함으로써, 광 컴퓨팅 새로운 실험 기술했으나 IBM 광자 해결했다 방식 투과광의 단일 - 칩 시스템 (SoC의) 저가의 표준 커넥터 (에지 커넥터)에인가 될 수 있고, 또는 함께 한 칩 에지의 칩 - 칩 통신에 CMOS 칩이 될 수있다.
주로 칩 해결 기존의 칩 또는 칩과 스토리지 시스템간에 광 칩 배선 등이 개발. 고집적 광 칩 발명에 의해, 이전의 크고 복잡한 광전송 인프라 교체 및 더 빠르고 낮은 대기 시간.
그러나, 광자를 컴퓨팅 분야로 가져오고 '광자 칩'을 형성하는 실제 개념은 최근 2 년 동안 점차 발견되었습니다.
반도체 칩 기술은 새로운 애플리케이션과 알고리즘의 통합에 의존하지만, 점점 더 많은 일들이 이루어질 수 있습니다. 사실, 칩 아키텍처 자체는 동일한 로직을 기반으로하며 반도체 기술, 컴퓨팅 파워, 크기 및 전력 소비, 비용 형성은 관계의 네 구석을 균형 잡기가 어렵습니다.
현재 GPGPU, 신경망 칩, DSP 및 FPGA는 모두 다른시기에 출시되며 응용 프로그램 별 컴퓨팅을 능숙하게 처리 할 수 있지만 이러한 칩은 근본적인 문제를 해결하지 못합니다 문제는 반도체 구조를 기반으로 한 물리적 한계입니다.
그림 丨 광자 시냅스 원리
점점 커지고있는 AI의 컴퓨팅 요구로 인해 처리 아키텍처가 가동되고 있으며, 예를 들어 인텔은 미래의 CPU 및 FPGA 컴퓨팅 파워를 결합하여보다 복잡한 애플리케이션 시나리오에 대응할 것입니다 .NVIDIA는 최신 세대의 GPU 솔루션을 크게 강화하고 있습니다 또한 NPU, 퀀텀 컴퓨팅 및 최신 컴퓨팅 개념과 같은 특정 계산에보다 적합한 새로운 아키텍처를 도입하기를 희망합니다. 광 회로를 기반으로하는 광 회로 (Photonic Circuits) 컴퓨팅 아키텍처.
실제로 '빛'은 10 년 이상 컴퓨팅 환경에서 사용되어 왔으며 주로 서로 다른 칩이나 저장 장치간에 데이터를 전송하는 데 사용되었지만 관련 전송 기술이 너무 비싸고 함께 배치해야하기 때문에 값 비싼 둘레는 그 이익을 보여줄 수 있으며, 따라서 '빛'의 전달은 결코 소비자 시장에 퍼지지 않았기 때문에이 사실에 대한 명확한 이해를 갖지 못합니다.
그러나 계산은 또 다른 수준의 문제입니다.
그림 丨 SMART Photonics 광자 칩
광자 계산 칩을 설명하는 매우 간단한 개념으로, 칩 셀 수없는 광학 스위치의 사용은 역할이 반도체 칩의 논리 게이트, 다른 파장의 사용, 빛 조합의 위상 및 강도, 복잡한 거울, 필터와 유사합니다 그리고 정보 처리 배열의 프리즘 구조.
실리콘 포토닉스 및 마이크로 일렉트로닉스는 즉시 많은 양의 데이터를 전송할 수 있으며, 실리콘 등의 광통신의 송신 양태 및 응용으로 인해 빠른 반응 광의 병렬 특성에 매우 인기가있다. 반도체 재료, 실리콘의 구조를 기반으로하므로 널리 데이터에 사용 서버 센터. 인해 필요한 디자인 및 보정, 전송 및 에너지 전환에 비교적 간단한 광자 전송 안정성, 병렬의 매우 작기 때문에 이론적 틀을 산출 광자의 사용은 상대적으로 낮은 전력 소비 성능을 수행 할 수있다 둘째, 이론, 광자 칩은 모바일 장치와 같은 아주 작은 규모의 응용 프로그램에서 수행 할 수 있습니다.
포토닉스 칩은 현재 성숙한 반도체 기술에 사용될 수 있으며, 포토닉스 칩은 아직 실험 단계에있다. 기존의 반도체 칩 컴퓨팅 파워를 넘어 현저히 달성 할 수있는 기존의 미크론 스케일 기술과 미래의 기술 소형화 공간을 필요로한다. 칩 밀도가 높아짐에 따라 성능이 크게 향상 될 수 있으며 심지어 무어의 법칙의 한계를 완전히 다시 쓸 기회가 있습니다.
뒤따른 CMOS 공정은 포토닉스의 가장 큰 장점이지만, 전통적인 반도체를 대체하는 것이 아닙니다.
그림 丨 CMOS
쉔 이첸 (Yichen)은 또한 포토 닉 칩은 기본적으로 현재의 CMOS 제조 공정을 기반으로하고 있기 때문에 양자 컴퓨팅에서 사용되는 특수 공정보다 비용이나 대량 생산 기술면에서 더 유리하다고 말했다. 실험실의 포토닉스 칩은 현재 밀도가 높지만 그것은 전통적인 반도체 칩보다 낫지 만 양자 칩보다 훨씬 낫습니다.
그러나 광 칩의 성능은 아키텍처에 따라 달라지며 동시에 결합하는 데 사용되는 여러 파장의 광 또는 칩에 사용되는 광 신호의 대역폭과 광전 변환의 병목 현상과 같은 알고리즘에 따라 달라집니다. 뷰의 기능 포인트, 적절한 알고리즘에 100 배 전통적인 반도체 칩의 속도를 달성하기 위해 많은 문제가되지 않습니다.
여전히 특정 사양을 갖는 광은 광학 칩의 통합 및 크기에 더하여, 비선형 작동에 적합하지 않기 때문에 당연히 이론적 대규모 광 칩은 완전히 반도체 칩을 대체하는 거의 할 수 없지만, 수 아직도 큰 어려움이 있습니다.
칩에서 주변 생태계에 대한 알고리즘이 발전하고 있습니다.
쉔 첸 또한 현재 Lightelligence 광자 칩 개발 알고리즘, 버스, 실험실 단계 쇼를 완료하고 보관소, 진보의 해당 디자인을 가지고 물론, 컴퓨터 칩이나 생태 가장 중요한,이 또한 더 많은 연구를 필요로한다고 강조 공동으로 설립하는 분야에서 광학 컴퓨팅의 확장에 합류하는 기관과 회사.
주요 제품은 칩이기 때문에 코어 부분은 알고리즘과 하드웨어의 조합이며, 해당 칩 명령어와 컴파일러 및 Lightelligence의 작업은 현재 널리 사용되는 프레임 워크에 적용 할 수있는 개발 된 칩을 만드는 것입니다. TensorFlow, Caffe 등등.
또한, 라이트 리전 스는 전송 또는 저장시 광자 세기의 특수성으로 인해 주변기기 디자인을 개발하고 있지만 물론 현재 스토리지 시스템은 착륙 속도를 가속화하지만 광자 컴퓨팅의 성능을 제한 할 수 있습니다. 따라서 미래의이 부분 또는 광자 컴퓨팅 최적화 디자인을 목표로하면 광자 컴퓨팅의 전반적인 이점을 강조 할 수 있습니다.
Lightelligence 팀은 이제 생태 광자 상관 관계 계산을 개선하기 위해 노력 후, 나는 광자 컴퓨팅 아키텍처 착륙이 크게 속도를 높일 수 있다고 생각, 현재의 과정은 성숙 아니라, 고성능 컴퓨팅, 더 나은 신경망 컴퓨팅 아키텍처에 대한 업계는 매우 높은 기대를 가지고 전반적인 인공 지능은 생태 변화를 계산합니다.
쉔 이순신 첸은, 또는 범용 컴퓨팅 파워에 대한 특정 목적을 위해, 이것은 다른 프로세스 칩 아키텍처 개발의 선택이 될 것입니다 여부를 말했다. Lightelligence가 첫 번째 또는 기술 또는 응용 프로그램 시나리오 더 성숙한 광자 칩 응용되며, 점차적으로 설정하는 것이 가능 확장 또한 광 칩 기술의 전방 및 후방 단부를 개발하기 위해 노력하는 동안 애플리케이션의 범위, 더 다른 컴퓨팅 시나리오 미래 장치.
쉔 첸은 일반적으로 거기에 많은 중요한 기술의 향상으로 인해 도로 광 컴퓨팅에 완료해야하지만, 시도한다고 강조하고 모든 광자는 가장 가까운 하나를 달성하는 가장 좋은 시간이 될 것인가에 비해 계산 과거.