9月15日消息，据scitechdaily消息，近日，一支由美国佛罗里达大学带领的工程师团队研发出一款基于光学计算的新型AI 芯片，采用激光与微型Fresnel 透镜代替传统电子电力计算，实现了AI计算能效提升10至100倍的重大创新。
该芯片专注于深度学习中的关键计算──“卷积”计算，这是人工智能如何解释照片、视频甚至书面语言的核心过程。“卷积”计算也是机器学习模型在图象和模式识别中耗能最大的步骤。
全新光学AI芯片的设计通过将激光器和微型透镜直接集成到电路板上来解决这个问题，使芯片能够以显着更少的能量和更高的速度完成这些计算。在早期试验中，该芯片在识别手写数字时达到了约 98% 的准确率，与传统电子芯片的性能相当。
人工智能效率的飞跃
“在接近零能量的情况下执行关键的机器学习计算是未来人工智能系统的飞跃，”研究负责人、佛罗里达大学莱茵斯半导体光子学教授 Volker J. Sorger 博士说。“这对于在未来几年继续扩大人工智能能力至关重要。”
“这是第一次有人将这种类型的光学计算放在芯片上并将其应用于人工智能神经网络，”佛罗里达大学索尔格小组的研究副教授、该研究的合著者Hangbo Yang博士说。
该项目由佛罗里达大学半导体光子学教授Volker J. Sorger与研究员Hangbo Yang领衔，并携手佛罗里达半导体研究所、加州大学洛杉矶分校及乔治华盛顿大学合作，成果已于9月8日发表于《先进光子学》期刊，并获得美国海军研究办公室资助。
原型芯片使用两组采用标准制造工艺的微型菲涅尔透镜。这些在灯塔中发现的相同镜片的二维版本只是人类头发宽度的一小部分。机器学习数据，例如来自图像或其他模式识别任务的数据，被转换为片上的激光并通过透镜。然后将结果转换回数字信号以完成 AI 任务。
光计算的优势
这种基于透镜的卷积系统不仅计算效率更高，而且还减少了计算时间。使用光代替电还有其他好处。Sorger 的团队设计了一种芯片，可以使用不同颜色的激光器并行处理多个数据流。
“我们可以让多种波长或颜色的光同时穿过透镜，”Hangbo Yang说。“这是光子学的一个关键优势。”
行业领导者英伟达等芯片制造商已经将光学元件整合到其人工智能系统的其他部分，这可能使卷积镜头的添加更加无缝。
“在不久的将来，基于芯片的光学器件将成为我们日常使用的每个人工智能芯片的关键部分，”兼任佛罗里达半导体研究所战略计划副主任的Sorger说。“接下来是光学人工智能计算。”
值得一提的是，佛罗里达大学于2025财年筹得5.6亿美元，重点投资包括AI及半导体技术，为此类创新产品提供坚实资金后盾。产业界巨头英伟达等也开始在AI系统中融入光学元件，这一突破有望加速光子计算在AI硬件的商业化。
