喬治華盛頓大學、加利福尼亞大學洛杉磯分校、以及深度技術(shù)創(chuàng)業(yè)公司Optelligence LLC的研究人員，已經(jīng)開發(fā)出了一種光卷積神經(jīng)網(wǎng)絡加速器，該加速器能夠每秒處理PB級的大量信息。這項利用光的大規(guī)模并行性的創(chuàng)新開啟了光信號處理機器學習新時代的到來，其應用廣泛，包括無人駕駛汽車、5G網(wǎng)絡、數(shù)據(jù)中心、生物醫(yī)學診斷、數(shù)據(jù)安全等。

大規(guī)模并行的僅振幅傅立葉神經(jīng)網(wǎng)絡

全球?qū)�機器學習硬件的需求正在大大超過當前的計算電源。最先進的電子硬件，例如圖形處理單元和張量處理單元加速器，可以幫助緩解這種情況，但是卻受到串行數(shù)據(jù)處理的挑戰(zhàn)，串行數(shù)據(jù)處理需要迭代數(shù)據(jù)處理，并且會遇到布線和電路約束帶來的延遲。

電子硬件的光學替代產(chǎn)品可以通過簡化以非迭代方式處理信息的方式來幫助加快機器學習過程。但是，基于光子的機器學習通常受到可放置在光子集成電路上的組件數(shù)量的限制，從而限制了互連性，而自由空間空間光調(diào)制器的編程速度卻受到限制。

為了在該光學機器學習系統(tǒng)中取得突破，研究人員用基于數(shù)字鏡的技術(shù)取代了空間光調(diào)制器，從而使系統(tǒng)開發(fā)速度提高了100倍。該處理器的非迭代時序，再加上快速的可編程性和大規(guī)模并行化，使得該光學機器學習系統(tǒng)甚至可以比最先進的圖形處理單元超出一個數(shù)量級，并具有進一步優(yōu)化的空間超出了最初的原型。

與電子機器學習硬件中按順序處理信息的當前范例不同，此處理器使用傅立葉光學，這是一種頻率濾波的概念，它允許使用數(shù)字鏡技術(shù)以更簡單的逐元素乘法執(zhí)行神經(jīng)網(wǎng)絡所需的卷積。

研究人員表示：“這種大規(guī)模并行，僅振幅的傅立葉光學處理器預示著信息處理和機器學習的新時代。我們證明，訓練該神經(jīng)網(wǎng)絡可以解決相位信息的缺乏問題。

“光學技術(shù)允許在單個時間步中處理大規(guī)模矩陣，從而允許光學地進行卷積的新縮放向量。這在機器學習應用中具有巨大的潛力�！�

“該原型演示展示了光加速器的商業(yè)化途徑，該光加速器已為網(wǎng)絡邊緣處理，數(shù)據(jù)中心和高性能計算系統(tǒng)等許多應用做好了準備�！�

這一題為“僅具有平行振幅的傅立葉神經(jīng)網(wǎng)絡”（Massively Parallel Amplitude-Only Fourier Neural Network）的論文發(fā)表在最近一期的《Optica》雜志上。

相關(guān)鏈接：https://phys.org/news/2020-12-smarter-faster-machine-intelligence.html