面向人工智能的光子学
基于光计算架构开发高速度、低功耗的人工智能硬件加速器
背景简介
人工智能和深度学习模型的指数级增长,正将传统的电子计算硬件推向物理极限,尤其是在功耗和互连通信瓶颈(如“功耗墙”和“存储墙”)方面。光计算作为一种极具前景的新型计算范式应运而生,它利用光子代替电子来处理信息,具备极高带宽、亚纳秒级延迟以及超低功耗的天然优势。通过将复杂的数学运算直接映射到光的传播、干涉与衍射等物理过程中,光子学能够在光速下加速特定计算任务。
本研究方向聚焦于利用光的独特物理特性构建下一代计算硬件。我们探索全新的架构与器件概念,使其能够与现有的机器学习框架进行有效对接,从而将繁重的计算负载从高能耗的数字电子芯片转移到高效的模拟光子处理器中。
研究意义与潜在应用
利用光子硬件增强或替代传统的数字处理器,将从根本上改变数据密集型计算的基础设施。其潜在应用涵盖大规模人工智能数据中心、需要实时边缘智能的自动驾驶与无人系统,以及高频信号处理等关键领域,在这些领域中,降低延迟和每步运算能耗对于实现技术的可持续扩展至关重要。
研究焦点
- 非冯架构的存算一体光计算: 设计将光学存储与处理单元融为一体的非冯诺依曼计算架构,以从根本上消除数据搬运带来的性能瓶颈。(例如 (Wu* et al., 2024; Wu* et al., 2025))
- 激活和算子器件: 开发非线性光学元件及专用的硬件算子单元,以在光域内直接实现关键的非线性激活函数和复杂的数学运算。
- 光学孪生(光仿真/光模拟):利用基于硬件的光学仿真系统构建高度逼真的物理或计算模型,以实现高保真度的过程镜像与计算加速。(例如 (Wu† et al., 2022; Wu* et al., 2024; Wu* et al., 2025))
光子学逻辑计算与仿真。
我们期待新鲜血液和新颖想法的加入与合作!
相关成果
2025
-
Intracavity Epsilon-Near-Zero Dual-Range Frequency SwitchACS Photonics, Mar 2025