悉尼大學的研究人員最近開發出一款納米光子晶片原型，該設備使用光而非電力進行人工智能計算。這個實驗裝置利用光子處理信息，使操作能在兆分之一秒內完成。這款原型是在悉尼納米中心開發的，旨在重新思考計算硬件如何支持不斷增長的人工智能系統需求。
這款晶片並不依賴電子信號，而是通過嵌入設備的納米級結構來進行計算。研究人員表示，這種方法有助於應對人工智能基礎設施擴展中的一大挑戰：能源消耗。運行大型人工智能模型的數據中心需要大量的電力和冷卻系統，以保持傳統硅晶片的正常運行。傳統處理器通過電線移動帶電粒子，即電子，這一過程會產生阻力和熱量，從而需要耗能的冷卻系統來維持安全的運行溫度。
納米光子晶片採取了不同的方法。它不再是推動電子通過電路，而是引導光通過僅有幾十微米寬的微小結構，大約與人類頭髮的厚度相當。當光子穿過這些納米結構時，結構本身執行機器學習所需的計算，從而消除了單獨進行電子處理步驟的需要。
晶片的架構被設計為一個神經網絡，這是一種模仿人腦處理信息方式的系統。這些納米結構的物理佈局充當了人工神經元，能夠在光通過設備時進行模式識別和分類任務。該大學電氣與計算機工程學院的夏克易教授表示，這個項目展示了一種全新的計算硬件思維方式。他指出，我們重新設計了如何利用光子學來設計新的節能和超快計算處理晶片。人工智能日益受到能源消耗的制約，這項研究使用光進行神經計算，實現了更快、更節能和超緊湊的人工智能加速器。
為了評估原型，研究團隊訓練晶片對超過 1 萬張生物醫學圖像進行分類。數據集包括乳腺、胸部和腹部的 MRI 掃描。模擬和實驗室測試均顯示，光子神經網絡能以 90% 至 99% 的準確率識別圖像。每次計算都在皮秒時間尺度內進行，意味著操作在光穿過納米結構時完成，僅需兆分之一秒。
這些結果表明，神經網絡模型可以實際嵌入納米級光子結構中，而無需在傳統處理器上運行作為軟件。隨著全球科技公司和政府繼續擴展人工智能基礎設施，每個新的數據中心都給電力網帶來壓力，並增加對冷卻資源的需求。光子計算有助於減輕這一負擔，因為光可以在材料中無阻力地傳輸，與電子晶片相比，大幅降低熱量產生和電力消耗。
研究團隊已經花費超過十年時間探索如何將光子學應用於計算和感測技術。他們的下一步是擴展設計，以支持更大的光子神經網絡，能夠處理更複雜的數據集。如果該技術成功擴展，光子晶片最終可能會在某些人工智能工作負載中補充或取代傳統處理器，為未來系統提供更快和更節能的硬件。這項研究的成果發表於《自然通訊》期刊。
