智能光計(jì)算作為近年來新興的計(jì)算模態(tài)，具備高速、低功耗等特性，在后摩爾時(shí)代展現(xiàn)出有望超越硅基電子計(jì)算的潛力，解決人工智能領(lǐng)域的算力與功耗難題。然而，其計(jì)算任務(wù)往往局限于簡單的字符分類、圖像處理等。其痛點(diǎn)是光的計(jì)算優(yōu)勢被困在了不適合的電架構(gòu)中，計(jì)算規(guī)模受限，無法支撐復(fù)雜大模型智能計(jì)算。

針對大規(guī)模光電智能計(jì)算難題，清華大學(xué)電子工程系方璐副教授課題組、自動(dòng)化系戴瓊海院士課題組，構(gòu)建了智能光計(jì)算的通用傳播模型，摒棄了傳統(tǒng)電子深度計(jì)算范式，另辟蹊徑，首創(chuàng)了分布式廣度光計(jì)算架構(gòu)，研制了全球首款大規(guī)模干涉-衍射異構(gòu)集成芯片“太極”（Taichi），實(shí)現(xiàn)了160 TOPS/W的通用智能計(jì)算。

化深為廣，分布式廣度光計(jì)算架構(gòu)。建立自頂向下的編碼拆分-解碼重構(gòu)機(jī)制，將復(fù)雜智能任務(wù)化繁為簡，拆分為多通道高并行的子任務(wù)，構(gòu)建分布式淺層光網(wǎng)絡(luò)對子任務(wù)分而治之，突破物理器件多層深度級(jí)聯(lián)的固有計(jì)算誤差。相異于電學(xué)神經(jīng)網(wǎng)絡(luò)依賴網(wǎng)絡(luò)深度以實(shí)現(xiàn)復(fù)雜的計(jì)算與功能，“太極”架構(gòu)源自光計(jì)算獨(dú)特的“全連接”與“高并行”屬性，化深度計(jì)算為廣度計(jì)算，為實(shí)現(xiàn)規(guī)模易擴(kuò)展、計(jì)算高并行、系統(tǒng)強(qiáng)魯棒的通用智能光計(jì)算探索了新路徑。

圖片:4AA400FABE49BC73E78515A8CFE_40CD2EB3_1AC54.jpg

化深為廣：Taichi分布式廣度光計(jì)算架構(gòu)

兩儀一元，干涉-衍射融合計(jì)算芯片。以周易典籍“易有太極，是生兩儀”為啟發(fā)，建立干涉-衍射聯(lián)合傳播模型，刻畫衍射光計(jì)算大規(guī)模并行優(yōu)勢與干涉光計(jì)算靈活重構(gòu)特性，提出衍射編碼-干涉特征計(jì)算-衍射解碼的融合計(jì)算方法，研制了干涉-衍射異構(gòu)集成智能光芯片，實(shí)現(xiàn)片上大規(guī)模通用光計(jì)算。更進(jìn)一步，受益于光的高速傳播特性，將衍射編解碼與干涉特征計(jì)算進(jìn)行部分/整體重構(gòu)復(fù)用，以時(shí)序復(fù)用突破通量瓶頸，自底向上支撐分布式廣度光計(jì)算架構(gòu)。

圖片:266748459A0A04CF81C8FE16A5A_2D30B98B_22EE7.jpg

兩儀一元：干涉-衍射融合計(jì)算芯片

據(jù)論文報(bào)道，“太極”芯片具備879 T MACS/mm^2的面積效率與160 TOPS/W的能量效率，首次賦能光計(jì)算實(shí)現(xiàn)自然場景千類對象識(shí)別、跨模態(tài)內(nèi)容生成等人工智能復(fù)雜任務(wù)，將為百億像素大場景光速智能分析、百億參數(shù)大模型訓(xùn)練推理、低功耗自主智能無人系統(tǒng)提供算力支撐。

通用大規(guī)模光計(jì)算從無極至太極，以致萬物化生。課題組希望“太極”可以在如今大模型通用人工智能蓬勃發(fā)展的時(shí)代，以光子之道，為高性能計(jì)算探索新靈感、新架構(gòu)、新路徑。

相關(guān)研究成果以“大規(guī)模光芯片太極賦能160 TOPS/W通用人工智能”（Large-scale photonic chiplets Taichi empowers 160 TOPS/W artificial general intelligence）為題，于北京時(shí)間4月12日凌晨發(fā)表于《科學(xué)》（Science）雜志。

清華大學(xué)電子工程系為論文的第一單位，清華大學(xué)電子系副教授方璐、自動(dòng)化系教授戴瓊海為論文通訊作者，電子系2020級(jí)博士生徐智昊、博士后周天貺（清華大學(xué)水木學(xué)者）為論文第一作者。該課題得到科技部2030“新一代人工智能”重大項(xiàng)目、基礎(chǔ)科學(xué)中心項(xiàng)目，清華大學(xué)-之江實(shí)驗(yàn)室聯(lián)合研究中心等的支持。

論文鏈接：https://www.science.org/doi/10.1126/science.adl1203