电子发烧友网报道(文/吴子鹏)近日,清华大学发布官方消息称,清华大学电子工程系方璐教授课题组、自动化系戴琼海院士课题组另辟蹊径,首创了全前向智能光计算训练架构,研制了“太极-II”光训练芯片,实现了光计算系统大规模神经网络的高效精准训练。
目前,这一研究成果已经于北京时间8月7日正式刊登在《自然》期刊上,主题为“光神经网络全前向训练”。
“太极”光训练芯片快速进化
去年10月,清华大学就发布消息称,方璐教授课题组、戴琼海院士课题组联合攻关,提出了一种“挣脱”摩尔定律的全新计算架构:光电模拟芯片,算力达到目前高性能商用芯片的三千余倍。
2023年10月26日,清华大学光电模拟芯片的研究成果发布在《自然》期刊上,这篇论文帮助大家科普了光电模拟芯片的理念和实现方式。根据论文,这是一种光电深度融合的计算框架,结合了基于电磁波空间传播的光计算,与基于基尔霍夫定律的纯模拟电子计算。在芯片制程上,该芯片不再受限于摩尔定律;在数据传输上,该芯片用光传输取代了电信号传输,打破了传统芯片架构中数据转换速度、精度与功耗相互制约的物理瓶颈。
今年4月份,这项研究正式推出了“太极”芯片,可实现160TOPS/W的系统级能效。论文第一作者、清华大学电子系博士生徐智昊表示,“太极”芯片采用的是干涉—衍射分布式广度光计算架构,自顶向下的编码拆分-解码重构机制,将复杂智能任务化繁为简,拆分为多通道高并行的子任务,构建的分布式‘大感受野’浅层光网络对子任务分而治之,突破物理模拟器件多层深度级联的固有计算误差。
从“太极”芯片到“太极-II”芯片,只有不到半年的时间,但是其中的进步是非常明显的。根据论文信息,“太极”芯片依然依赖传统的光通信架构,需要GPU进行离线建模,要求高度匹配的前向-反向传播模型,也就需要物理系统精准对齐,“太极-II”芯片不再依赖电计算进行离线的建模与训练,大规模神经网络的精准高效光训练终于得以实现。
据介绍,“太极-Ⅱ”芯片的面世,填补了智能光计算在大规模神经网络训练这一核心领域的空白。除了加速AI模型训练外,其还在高性能智能成像、高效解析拓扑光子系统等方面表现出卓越性能,为人工智能大模型、通用人工智能、复杂智能系统的高效精准训练开辟了新路径。
更进一步说,“太极-Ⅱ”芯片的发布对“光子传播对称性”研究有重要意义,将神经网络训练中的前向与反向传播都等效为光的前向传播。据论文第一作者、电子系博士生薛智威介绍,在太极-II架构下,梯度下降中的反向传播化为了光学系统的前向传播,光学神经网络的训练利用数据-误差两次前向传播即可实现。两次前向传播具备天然的对齐特性,保障了物理梯度的精确计算。如此实现的训练精度高,便能够支撑大规模的网络训练。
在芯片制造上,“太极”芯片光学部分的加工最小线宽仅采用百纳米级,电路部分仅采用180nm CMOS工艺,已取得比7nm制程的高性能芯片多个数量级的性能提升。芯片成本仅为目前先进计算芯片的几十分之一,这是一种真正的芯片换道超车。
光芯片是计算芯片的未来?
曾几何时,摩尔定律被誉为“硅谷的节拍器”,但近年来业界关于“摩尔定律是否失效”的讨论越来越多。尤其是在AI时代,算力需求的爆发式增长让摩尔定律正在失效的影响被进一步放大。在过去的几十年中,摩尔定律一直被认为是计算机行业的基石之一,当其失效之后,会有更多的创新技术来引领高性能计算的发展,比如芯片制造层面的先进封装,再比如量子计算、光计算等。
在AI时代的未来里,光芯片被寄予厚望。微电子芯片采用电流信号来作为信息的载体,而光芯片则采用频率更高的光波来作为信息载体,具有更低的传输损耗 、更宽的传输带宽、更小的时间延迟,以及更强的抗电磁干扰能力。
光芯片的核心是用波导来代替电芯片的铜导线,来做芯片和板卡上的信号传输,因此光芯片主要由发光器件(产生光)和光波导(引导光传播的装置)组成。当光在波导里面传输的时候,波导和波导之间出现光信号干涉,用这个物理过程来模拟线性计算这一类的计算过程,即通过光在传播和相互作用之中的信息变化来进行计算。
光芯片的发展并不是完全革新微电子芯片的技术路径,而是一种融合,因此光电转化也很关键。在电转光部分,激光器芯片主要用于发射信号,原理是以电激励源方式,以半导体材料为增益介质,将注入电流的电能激发,通过光学谐振放大选模,从而输出激光,实现电光转换。激光器芯片用到的增益介质包括GaAs(砷化镓)、InP(磷化铟)、Si(硅基)等。在光转电部分,探测器通过光电效应识别光信号,转化为电信号。
光芯片的生产流程基本可以分为芯片设计、基板制造、磊晶成长和晶粒制造四个流程,主要技术壁垒在后两点,其中磊晶成长也称外延生长,是技术壁垒最高的环节。因此,与微电子芯片侧重于光刻工艺追求先进制程不同,光芯片性能的提升不完全依靠尺寸的减小,更注重外延结构设计与生长。
在光芯片的研发上,国内除了清华大学,中科院的进展也是非常快的。比如,去年6月中国科学院半导体研究所集成光电子学国家重点实验室微波光电子课题组李明研究员-祝宁华院士团队研制出一款超高集成度光学卷积处理器,实现了“传输即计算,结构即功能”的计算架构,具有大带宽、低延时、低功耗等优点。
目前,国内的光芯片和光模块厂商包括芯思杰、瑞识科技、新亮智能、度亘激光、长瑞光电、立芯光电、源杰半导体、锐晶激光、索尔思光电、长光华芯、华工科技、光迅科技、新易盛、云岭光电、敏芯半导体、博创科技、中际旭创、纵慧芯光、曦智科技、剑桥科技、凌越光电、盛为芯等。这些企业主要关注数通市场,应用领域包括5G和数据中心光通信等。
不过,在数通市场的企业端,目前国内也还处于落后的位置,高端光器件的国产化率还比较低,比如25G及以上的光芯片,国产化率就比较低,其中25G光芯片的国产化率为20%,更高速率的国产化率仅为5%。在25G及以上的光模块里,光芯片的成本占比超过了60%,且速率越高占比越高,可见光芯片的重要性。
在光计算芯片方面,国内光计算芯片公司光本位科技已完成首颗算力密度和算力精度均达到商用标准的光计算芯片流片,峰值算力为1700TOPS,对标的是英伟达的A100,产业落地也在破晓之际。
结语
根据LightCounting的数据测算,全球光芯片市场规模将从2022年的27亿美元增长至2027年的56亿美元,CAGR为16%。其中绝大部分的光芯片仍然主要用于数据传输,在计算层面光芯片还在起步阶段,但概念探索和成果落地的速度非常快,国内清华大学和中科院更是捷报频传,有望实现国产高性能计算芯片的换道超车。
-
光芯片
+关注
关注
3文章
92浏览量
10811
发布评论请先 登录
相关推荐
![](https://file1.elecfans.com/web2/M00/02/E4/wKgaoma5el2ARHJXAAeb2tI4byA802.png)
苹果承认使用谷歌芯片来训练AI
AI训练的基本步骤
清华类脑视觉芯片取得重大突破,“天眸芯”登上Nature封面
![<b class='flag-5'>清华</b>类脑视觉<b class='flag-5'>芯片</b><b class='flag-5'>取得</b>重大<b class='flag-5'>突破</b>,“天眸芯”登上Nature封面](https://file1.elecfans.com/web2/M00/EA/AB/wKgZomZZnqWAUo8JABnKxvJfusI965.png)
华光光电808nm高功率半导体激光芯片研究取得重大技术突破
![<b class='flag-5'>华光</b>光电808nm高功率半导体激光<b class='flag-5'>芯片</b>研究<b class='flag-5'>取得</b>重大技术<b class='flag-5'>突破</b>](https://file1.elecfans.com/web2/M00/DB/CF/wKgaomYrF8CASpCeAAAuU7HRHMs084.png)
Open AI进军芯片业技术突破与市场机遇
![Open <b class='flag-5'>AI</b>进军<b class='flag-5'>芯片</b>业技术<b class='flag-5'>突破</b>与市场机遇](https://file1.elecfans.com/web2/M00/BE/AF/wKgaomWuDamAEc0NAAAsmhS6V9w536.png)
硅光计算芯片:AI芯片国产化的关键突破口
![硅<b class='flag-5'>光</b>计算<b class='flag-5'>芯片</b>:<b class='flag-5'>AI</b><b class='flag-5'>芯片</b>国产化的关键<b class='flag-5'>突破</b>口](https://file1.elecfans.com/web2/M00/BE/3F/wKgaomWqFD2ANyMTAAAZD24ZxpM759.jpg)
AI芯片、光模块和光芯片的发展趋势
![<b class='flag-5'>AI</b><b class='flag-5'>芯片</b>、<b class='flag-5'>光</b>模块和<b class='flag-5'>光</b><b class='flag-5'>芯片</b>的发展趋势](https://file1.elecfans.com/web2/M00/BA/51/wKgaomWOKmKABuOzAAAlMt9YEhA052.png)
清华研制出首个全模拟光电智能计算芯片ACCEL
存算一体芯片新突破!清华大学研制出首颗存算一体芯片
清华大学重磅消息:全球首颗!我国芯片领域取得重大突破
![<b class='flag-5'>清华</b>大学重磅消息:全球首颗!我国<b class='flag-5'>芯片</b>领域<b class='flag-5'>取得</b>重大<b class='flag-5'>突破</b>](https://file1.elecfans.com/web2/M00/A9/67/wKgZomUl9gaAPzQmAAAYxHdCdlc474.jpg)
评论