概括
本研究介绍了用于人工智能 (AI) 应用的可重新配置的光学张量处理单元. 它使用光学连贯技术和波长分割多重复合 (WDM) 来实现高速AI计算.
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:
- 实时数据处理对人工智能至关重要,推动对高速计算解决方案的需求.
- 光学计算为人工智能任务提供了速度和并行性的固有优势.
- 光电子卷积神经网络 (OE-CNNs) 从高维光张量计算中受益,以获得高效的推理.
研究的目的:
- 介绍一个软件控制的可重新配置的光学张量处理单元.
- 为了利用光学连贯技术和波长分割多重复合 (WDM) 进行高维矩阵运算和高通量计算.
- 为了展示一款高性能光子AI处理器.
主要方法:
- 整合了九个马赫-泽恩德干扰仪 (MZIs) 和九个光延迟线,用于连贯的串行3x3卷积操作.
- 软件调节的三元权重{-1, 0, 1}用于灵活的计算.
- 实现WDM以支持高维张量计算和并行数据通道处理.
主要成果:
- 在29.14 GBaud的3D图像上实验执行张量计算,实现1.57 TOPS的峰值速度.
- 潜力高达19.41TOPS与37频道的WDM扩展.
- 使用四个并行光学卷积内核的OE-CNN的演示,在MNIST上达到96.66%的分类准确度.
结论:
- 拟议的架构通过整合连贯光学计算和WDM并行性来显著提高光子计算性能.
- 这项工作为开发下一代高性能光子AI处理器提供了可扩展的途径.
- 开发的单元可实现高效的高维矩阵运算和高通量计算,用于AI应用.
