清華“太極-Ⅱ”光芯片面世：成果登 Nature，首創(chuàng)全前向智能光計算訓練架構

IT之家 8 月 8 日消息，據(jù)清華大學官方消息，清華大學電子工程系方璐教授課題組、自動化系戴瓊海院士課題組另辟蹊徑，首創(chuàng)了全前向智能光計算訓練架構，研制了“太極-II”光訓練芯片，實現(xiàn)了光計算系統(tǒng)大規(guī)模神經網絡的高效精準訓練。

該研究成果以“光神經網絡全前向訓練”為題，于北京時間 8 月 7 日晚在線發(fā)表于《自然》期刊。

IT之家查詢獲悉，清華大學電子系為論文第一單位，方璐教授、戴瓊海教授為論文的通訊作者，清華大學電子系博士生薛智威、博士后周天貺為共同一作，電子系博士生徐智昊、之江實驗室虞紹良博士參與了該項工作。該課題受到國家科技部、國家自然科學基金委、北京信息科學與技術國家研究中心、清華大學-之江實驗室聯(lián)合研究中心的支持。

Nature 審稿人在審稿評述中指出“本文中提出的想法非常新穎，此類光學神經網絡（ONN）的訓練過程是前所未有的。所提出的方法不僅有效，而且容易實現(xiàn)。因此，它有望成為訓練光學神經網絡和其他光學計算系統(tǒng)的廣泛采用的工具?！?/p>

據(jù)清華大學官方介紹，近年間，具有高算力低功耗特性的智能光計算逐步登上了算力發(fā)展的舞臺。通用智能光計算芯片“太極”首次將光計算從原理驗證推向了大規(guī)模實驗應用，擁有 160TOPS / W 的系統(tǒng)級能效，但現(xiàn)有的光神經網絡訓練嚴重依賴 GPU 進行離線建模并且要求物理系統(tǒng)精準對齊。

據(jù)論文第一作者、電子系博士生薛智威介紹，在太極-II 架構下，梯度下降中的反向傳播化為了光學系統(tǒng)的前向傳播，光學神經網絡的訓練利用數(shù)據(jù)-誤差兩次前向傳播即可實現(xiàn)。兩次前向傳播具備天然的對齊特性，保障了物理梯度的精確計算。由于不需要進行反向傳播，太極-II 架構不再依賴電計算進行離線的建模與訓練，大規(guī)模神經網絡的精準高效光訓練終于得以實現(xiàn)。

論文研究表明，太極-II 能夠對多種不同光學系統(tǒng)進行訓練，并在各種任務下均表現(xiàn)出了卓越的性能：

• 大規(guī)模學習領域：突破了計算精度與效率的矛盾，將數(shù)百萬參數(shù)的光網絡訓練速度提升了 1 個數(shù)量級，代表性智能分類任務的準確率提升 40%。

• 復雜場景智能成像：弱光環(huán)境下（每像素光強度僅為亞光子）實現(xiàn)了能量效率為 5.40×10^6 TOPS / W 的全光處理，系統(tǒng)級能效提升 6 個數(shù)量級。在非視域場景下實現(xiàn)了千赫茲幀率的智能成像，效率提升 2 個數(shù)量級。

• 拓撲光子學領域：在不依賴任何模型先驗下可自動搜索非厄米奇異點，為高效精準解析復雜拓撲系統(tǒng)提供了新思路。