本文为1991字，建议阅读4分钟
清华大学自动化系戴琼海院士、吴嘉敏助理教授与电子工程系方璐副教授、乔飞副研究员联合攻关，提出了一种“挣脱”摩尔定律的全新计算架构：光电模拟芯片，算力达到目前高性能商用芯片的3000余倍。相关成果以“高速视觉任务中的纯模拟光电芯片”（All-analog photo-electronic chip for high-speed vision tasks）为题，以长文（article）形式发表在《自然》（Nature）期刊上！
下面我们从文章解读和快速理解两个方面来一探究竟
文章解读
清华研究团队提出的光电模拟芯片采用光电深度融合的计算框架，结合了光计算和纯模拟电子计算的原理，以解决传统芯片的数据转换速度、精度和功耗方面的物理限制。实测结果显示，这一新型芯片的算力相对于现有高性能芯片架构提升了数千倍，而系统级能效则达到了惊人的74.8 Peta-OPS/W，相当于现有芯片的400万倍。原本供现有芯片工作一小时的电量，可供它工作500多年。
此光电融合芯片还具有超低功耗的特点，可以显著改善散热问题，这是目前制约芯片集成极限的一个关键因素。另外，该芯片的制造采用了相对较大线宽的光学部分和180nm CMOS工艺的电路部分，从而提供了出色的性能，而且所使用的材料成本较低。具体来说文章的创新点如下：
1）提出了一种全模拟光电混合芯片ACCEL,将光学模拟计算(OAC)和电子模拟计算(EAC)有机结合,实现了高速低能耗的视觉任务处理。ACCEL的架构如下图
ACCEL的架构实现原理。传统的光电混合计算中,需要大规模的光电二极管阵列和模数转换器;而ACCEL在光学OAC部分先进行衍射光学计算实现特征提取,再在电子EAC模拟计算部分直接利用光电流进行运算,避免了大规模的模数转换，实现了超低延迟
整体上实现了每帧72ns的处理延迟和74.8 peta-OPS/W的能效,相比目前的数字电子计算和光子计算提高了1-3个数量级。
2）在MNIST、Fashion-MNIST、KMNIST、3类ImageNet分类及视频判断任务上,ACCEL实现了超过80%的分类准确率,展现出强大的噪声稳健性。
图：ACCEL用于图像分类的实验结果。 a，测试ACCEL的实验设置。b，具有SiO2的蚀刻八级相位掩模的照片，用作OAC。c，通过固定SiO2相位掩模或由相位调制SLM生成的相位图案获得的实验OAC输出图像。d，ACCEL在MNIST、Fashion-MNIST和KMNIST数据集上进行自适应训练前后的实验分类准确性，与模拟准确性进行比较。e，使用单层小尺度数字NN（16×10个神经元）测试的ACCEL在MNIST、Fashion-MNIST和KMNIST数据集上的混淆矩阵。f，ACCEL在3类ImageNet分类上使用单层OAC和双层OAC的实验分类结果，与数字全连接和卷积（LeNet-5）NN进行比较（附录表1）。 g，h，Fashion-MNIST分类的实验OAC权重（相位图）和EAC权重。（j）的实验示例结果，包括具有和没有OAC的光电二极管阵列的直接输出以及经过OAC和EAC后的输出。k，ACCEL、仅OAC和仅EAC在不同低光条件下在MNIST、Fashion-MNIST和KMNIST数据集上的实验分类准确性
3）提出了自适应训练方法,可以补偿制造缺陷和误差对性能的影响。
4）ACCEL芯片可以部分重构,一个OAC编码器可以匹配不同的EAC来实现不同的任务,展现出较强的通用性。
5）ACCEL可以直接处理低相干或部分相干光,拓展了应用场景
快速理解
用形象的方式解释一下这篇文章做了什么:
可以想象我们的大脑在处理图像时,先通过视网膜进行预处理和特征提取,再在神经网络中进行复杂的计算。这篇文章实现的ACCEL芯片就如同一个超小型的“电子大脑”,它能够快速处理视觉任务。
ACCEL芯片由两个部分组成,一个是“眼睛”,一个是“大脑”。“眼睛”部分使用光学计算技术,像视网膜一样预处理图像,提取关键特征信息。“大脑”部分使用电子模拟计算,直接利用光生的电流进行运算,就像神经网络一样完成图像分类等复杂任务。
这个“电子大脑”有三大超能力:
超快速度 - 比目前最先进的商用处理器快3000倍以上。
超低能耗 - 它的能耗只有目前处理器的400万分之一。
超强稳健性 - 即使光线很暗,图像很模糊,它也可以正确分类,不怕噪音干扰。
我们测试了这个“电子大脑”的图像分类能力,它在手写数字、服装和字符分类任务上都达到了80%以上的准确率。
所以简单来说,这篇文章设计出了一个像人眼和大脑一样工作的超小型、超快速、超低功耗的“电子大脑”,在图像处理领域实现了重大突破。它有望用于未来的自动驾驶、医学影像等领域。
结语
Nature杂志以简报（RESEARCH BRIEFINGS：每个自然简报都包括从值得信赖的可靠来源中精心挑选的最重要的科学更新。）形式对清华这篇突破性成果进行了解读，他们给出评论：
“或许这枚芯片的出现，会让新一代计算架构，比预想中早得多地进入日常生活。”
清华最近连续发了很多有关芯片重大突破的Nature 和Science文章，这些顶级的科研成果一定会开花结果，随着人工智能的快速发展，适应生成式AI大爆发的“未来计算机”必然会出现，而我们现在正处于下一代计算平台研究的最前沿，未来可期！
文章地址，感兴趣可以去看原文
https://www.nature.com/articles/s41586-023-06558-8
⭐星标AI寒武纪，好内容不错过⭐
用你的赞和在看告诉我～
芯片不在卡脖子？👇👇