上海交大科研團隊在光學智能計算芯片研制上取得突破性進展

近日，上海交通大學電子信息與電氣工程學院電子工程系區域光纖通信網與新型光通信系統國家重點實驗室鄒衛文教授團隊在光學智能計算領域取得突破性進展，研究成果以Optical coherent dot-product chip for sophisticated deep learning regression（面向復雜深度學習回歸任務的光學相干點積核芯片）為題在光學領域權威期刊Light: Science & Applications上發表。該工作成功研制了一款光學相干點積核計算芯片，具有運行復雜神經網絡的能力，率先在光學智能計算芯片上實現了高精度的醫學圖像重構任務。鄒衛文教授為該論文的通訊作者，博士研究生徐紹夫為該論文的第一作者。 

隨著智能應用的普及，以神經網絡為代表的智能算法復雜度呈現爆發性增長，龐大的算力需求給現有的數字處理器帶來了極大的壓力，亟待開辟新型計算模式來緩解摩爾定律增速與算力需求增速之間的矛盾關系。近年來，光學智能計算技術受到國內外學術界廣泛關注。光學系統的計算時鐘頻率可以超過數十GHz（109 Hz），同時具備靜態無功耗的特性，被認為是實現下一代高速低功耗智能計算加速器的潛在途徑。學術界報道的多種光學智能計算方案雖成功驗證了高速低功耗計算的能力，但所能實現的任務均是簡單的分類任務，與實際應用在復雜度上存在較大差距。 

2016年末，鄒衛文教授團隊著力開展智能光學信號處理技術研究，率先驗證了智能算法可以有效提升微波光子信號處理系統的性能，相關成果發表于2019年Light: Science & Applications期刊上（論文鏈接：https://www.nature.com/articles/s41377-019-0176-4），并受到微波光子學領域的廣泛關注。在此基礎上，團隊瞄準利用光學系統實現高速高效智能計算這一目標，先后提出光學點積核、光學卷積分塊技術等新型系統架構，分別解決了算法執行規模與輸入端口能量效率等問題，為光學智能計算芯片的研制與應用奠定了原理基礎。 

光學相干點積核芯片及其封裝模塊

 
此次，鄒衛文教授團隊與國內合作單位（北京大學、中科院半導體所）設計并研制一款光學相干點積核計算芯片。該芯片突破了陣列化光學器件的相干調控關鍵技術，成功地實現了實數域計算。借助于新型片上反饋控制算法，大幅提升了光學計算的數值精度。與此前的工作相比，該芯片在數域完整度與數值精度上的突破，使其具備了執行復雜智能任務的能力。 

光學相干點積核芯片重構結果與計算機結果的對比

 
本研究中，鄒衛文教授團隊利用醫學圖像重構任務作為驗證，在芯片上成功地運行了AUTOMAP（用于通用圖像重構）神經網絡模型，圖像重構的質量接近了32位計算機的理想水平。該工作不僅推動光學神經網絡研究領域攻克實際應用難題，更為下一代智能計算技術提供了新思路。后續進一步提高芯片的器件集成規模，有望實現更高速、更低功耗的光學神經網絡處理器，緩解智能算力需求劇增與傳統硬件算力受限的矛盾。  該工作由上海交通大學、北京大學與中科院半導體所合作完成。上海交通大學為第一完成單位，博士研究生徐紹夫為第一作者，鄒衛文教授為通訊作者。 
 
該工作受國家重點研發計劃（Program No. 2019YFB2203700）與國家自然科學基金項目（Grant No. 61822508）支持。 
 
Shaofu Xu, Jing Wang, Haowen Shu, Zhike Zhang, Sicheng Yi, Bowen Bai, Xingjun Wang, Jianguo Liu, and Weiwen Zou, Optical coherent dot-product chip for sophisticated deep learning regression, Light: Science & Applications, vol. 10, 221, 2021. Doi: 10.1038/s41377-021-00666-8. 

相關鏈接：http://www.brightsparks-services.com/show/367.html