美国宾夕法尼亚大学研究人员开发出首款可扩展的基于深度神经网络的光子芯片，每秒可对20亿张图像进行直接分类，而无需时钟、传感器或大内存模块，有望促进人脸识别、自动驾驶等领域的发展。相关成果于6月1日发表于《自然》杂志。

新开发的芯片是第一个完全在集成光子设备上以可扩展方式实现的深度神经网络，整个芯片大小只有9.3平方毫米，消除了传统计算机芯片中的4个主要耗时障碍：光信号到电信号的转换、将输入数据转换为二进制格式、大存储模块以及基于时钟的计算。

该芯片上的光学神经元通过光线相互连接，形成一个由许多“神经元层”组成的深层网络。信息通过“神经元层”传递，每一步都对图像分类，使快速处理信息成为可能，最新芯片可在半纳秒内完成整个图像分类，而传统数字计算机芯片在同样时间内只能完成一个计算步骤。

研究人员表示，可通过添加更多神经层来扩展这一深层网络，使芯片能以更高分辨率读取更复杂图像中的数据。此外，任何可转换为光的信号，如音频和语音，都可使用这项技术几乎瞬间进行分类。

信息来源：

https://www.nature.com/articles/s41586-022-04714-0

科技日报. 刘霞. http://digitalpaper.stdaily.com/http_www.kjrb.com/kjrb/html/2022-06/09/content_536688.htm?div=-1