可重新配置的光子神经网络:分布对齐的校准和动态资源分配,用于高性能光学计算加速器
Optics express
|November 11, 2025
概括
我们开发了用于光子计算的动态配置算法,以提高AI性能. 这些方法显著提高了推断准确度,并减少了大规模人工智能工作负载的能源消耗.
科学领域:
- 光子学 是一个光子学.
- 人工智能的人工智能
- 计算机工程 计算机工程
背景情况:
- 对生成和大型语言模型的需求日益增加,推动了数据中心的计算需求和能源成本.
- 光子计算为人工智能提供了带宽高,能耗低,延迟低的解决方案.
- 目前的光子AI研究经常使用固定的参数,限制了系统的效率和性能.
研究的目的:
- 为了解决光子AI系统中固定参数设置的局限性.
- 提高人工智能光子计算中的能源效率和计算密度.
- 为光学计算加速器引入动态配置方案.
主要方法:
- 提出了一种用于光子卷积的分布对齐校准 (DAC) 算法.
- 实施的动态功率分配 (DPA) 和动态维度分配 (DDA) 方案.
- 通过校准的光子计算模拟器和硬件实验验证实了算法.
主要成果:
- 在5dBm输入功率下,DAC的推断精度从12.93%提高到75.77%.
- 在ResNet模型中,DDA降低了高达20.9%的功耗.
- DPA提高了高达28.19%的计算密度,并实现了显著的光学功率节省.
结论:
- 光学功率和计算规模的动态调整优化了光子计算系统.
- 拟议的DAC,DPA和DDA方案可以实现更灵活,更节能,更高性能的人工智能.
- 具有动态配置的光子计算是未来人工智能基础设施的可行途径.
