ACCEL 芯片光学部分的加工最小线宽仅采取百纳米级，而电路部分仅采取 180nm 互补金属氧化物半导体（CMOS，Complementary Metal Oxide Semiconductor）工艺，已经比 7nm 制程的 GPU 取得了多个数量级的性能提升。
研究职员表示：“形象来说，如果原来的电量可支持现有高性能芯片事情一小时，那么相同的电量供给下 ACCEL 芯片可以事情五百多年。”
图 | 部分团队成员合影（来源：资料图）
论文中的实验演示表明，该芯片的成功研制证明了光子打算在诸多 AI 任务中的优胜性（即光子霸权），也为办理摩尔定律增速放缓、构建生态能源友好的大规模 AI 打算框架开辟了新路径。
图 | ACCEL 芯片（来源：课题组）
在论文中，研究职员用“All-analog Chip Combining Electronics and Light”来描述这款光电领悟芯片的特色。这句英文的首字母简称为 ACCEL，恰好是“加速”的含义。
当前，人类正处于算力需求爆炸式增长的时期，超高性能的打算架构有着大量用武之地。研究职员非常希望能将 ACCEL 芯片快速用于实践之中。
目前，他们正在基于 ACCEL 芯片的光电打算框架，开展一系列运用探索例如自动驾驶、野外监测、物联网传感器网络、打算机视觉等。
目前，他们已经开展了将超高速图像打算，用于光纤通信中的旗子暗记编解码和误码纠错的探索，有望将光纤通信端到端旗子暗记处理的时延降落四个数量级。
一旦打算韶光从三小时变成三秒钟，很多日常生活运用和科学打算任务将会发生质的变革。
图 | 光电打算芯片 ACCEL 的打算事理和芯片架构（来源：Nature）
据先容，ACCEL 芯片通过领悟光域打算和仿照域电打算，来实现神经网络的打算。在光域之中，ACCEL 芯片通过一个多层光学衍射神经网络，针对所输入的高分辨率图像，以光速来进行特色提取和数据降维。
衍射网络的输出，则由一个光电二极管阵列加以吸收，并通过光电效应转换成仿照电流旗子暗记。通过这种光域处理，可以极大地减小数据维度，从而降落光电转换的规模。
个中，每一个光电二极管所产生的光电流，会根据电网络的权重参数流入相应的打算结点之中，并基于基尔霍夫定律实现仿照域的电打算。
这时，通过光电二极管这一超高速、低功耗的光电接口，光网络和电网络完成连接，让光电领悟打算系统实现直接、高效的集成。
那么，在自动驾驶等视觉任务中，ACCEL 芯片的泛化能力如何？泛化能力，常日指一个模型对付新样本、新场景的适应能力。
ACCEL 不仅在不同测试集上表现出很好的泛化能力，在不同工况下也具备精良的泛化性。比如，同样是用于交通场景的打算，如果涌现极弱光、超高帧率等场景，比较单独光打算或电打算，ACCEL 芯片在抗噪声演习算法之下表现出极好的鲁棒性。
此外，现有光打算系统，常常针对特定的专一任务而设计，这导致其运用范围受到限定。而 ACCEL 芯片领悟光域打算和仿照域电打算，可以轻松实现重构。
当针对特界说务来设计并制备出来 ACCEL 芯片之后，借助电旗子暗记域的易编程性，ACCEL 芯片能够重新演习电网络的参数，从而适用于不同的任务，而险些不影响终极准确率。
图 | 光电打算芯片 ACCEL 在不同任务和光强下的性能（来源：Nature）
光芯片，有何不同？
比较传统电子芯片，光芯片利用光子来完成干系打算。与传统的电子芯片比较，它并不是用电作为载体来完成数字旗子暗记处理，而是通过光在传播和相互浸染之中的信息变革来进行打算。
比如在物理学史上著名的杨氏双缝实验中，相关光经由带有两条狭缝的挡板之后，会在后面的探测板上得到明暗相间的条纹。如果把相关平行光看做输入，探测板上的图案看做输出，上述实验就可以大略抽象理解为：挡板对输入光进行了调控，并通过光在挡板和探测面之间的传播，实现了对付输入光旗子暗记的处理。
对付现有光打算来说，许多思想都和上述过程类似。即通过风雅调控光传播的过程，改变吸收位置处的光相位、光振幅、光偏振等物理属性，从而实现光域的打算和旗子暗记处理。
光打算芯片的上风在于光子的高速率、低耗能和大带宽，这能为大规模并行打算和高速数据传输供应极具潜力的办理方案。
与此同时，在大量视觉任务及日常生活场景中，原始旗子暗记本身便是光旗子暗记。利用传统办理方案，须要在传感器拍摄之后，再利用电子芯片进行处理，这会增加光电转换、存储、以及打算的步骤。比较之下，利用光直接进行打算，是一种更自然、更高效的办法。
光芯片，有何不敷？
近年来，面对摩尔定律增速放缓和失落效危急，光打算作为一种新型打算范式，得到了广泛关注并被寄予厚望。比较目前的电子器件，通过在光域之中直接对原始视觉信息进行处理，让光打算在速率和能效上得以提高几个数量级。然而，目前的光打算系统面临着非线性实现繁芜、光电接口耗能等国际难题，导致不少科研事情评估的高性能上风难以落地并实现运用。
基于此，该团队便将课题初衷瞄准占领当前光打算领域存在的瓶颈，让光打算的超高性能从实验室走到日常生活。
光芯片，如何完善？
为办理上述国际难题，本次研究首次提出了深度领悟的光打算和仿照电打算，建立起一种全仿照的芯片打算框架。
为了战胜现有光打算系统的痛点，研究职员把目光转向同为仿照打算的电域仿照打算：它借助基尔霍夫电压电流定律、电荷守恒定律等基本的物理规律实现打算。而光旗子暗记通过光电效应转换成仿照电旗子暗记时，存在着本征的非线性关系。
基于此，他们提出了新的打算范式：ACCEL 将用于大规模提取视觉特色的衍射神经网络和基于基尔霍夫定律的纯仿照电子打算，集成在同一枚芯片框架内。借此绕过仿照数字转换器速率、精度与功耗相互制约的物理瓶颈，从而在一枚芯片之内就能打破大规模打算单元集成、高效非线性、高速光电接口等三大关键瓶颈。在担保高任务性能的同时，还实现超高的打算能效和打算速率。
图 | ACCEL 有望用于电子设备超低功耗人脸唤醒示意动图（来源：清华大学）
一场线上会议，出身一篇Nature 论文
在本次成果的对应论文中，通讯作者多达四位，他们来自不同的团队。这要从 2020 年的一次线上会议提及，当时清华大学电子系乔飞副研究员听取了该校吴嘉敏助理教授关于光打算的报告。
之后，两者所在课题组开展的谈论中，便萌生了这样一个想法：既然同为仿照打算领域，那么是否可以通过深度互助，共同办理领域内的瓶颈问题？
很快他们定下了这项课题。随后，先是开展理论建模和仿真验证，针对衍射光网络的打算模型、光电效应的非线性模型仿照、以及电网络的打算模型，开展了物理推导、物理仿真和芯片设计。
后来在实际流片后和芯片实测中，为了战胜实际系统支配中所存在的偏差累积和噪声，他们对这些非空想成分进行建模，借此开拓出一套系统性改动算法，以此来应对弱光噪声、对齐、加工偏差等非空想成分。借此实现了与仿真结果符合度较高的实验准确率。
此后，他们又对芯片系统级的能效和算力加以评估。实测结果显示，ACCEL 芯片在系统级算力和能效上，分别比目前高性能的商用工业级 GPU 赶过千余倍和百万余倍。
为了确保如此惊人数据的可靠性，研究职员做了尤为踏实的事情来进行实测和验证。
他们不仅实测了 ACCEL 芯片端到端系统级的耗能数据和时延数据，还进一步提出了等效算力的观点。直接从准确率的角度来衡量打算效果，从而能够摒除不同物理建模办法的影响。
真正做到即便在繁芜数据集之上，也能达到和数字卷积神经网络相同的准确率，同时将端到端系统级的耗时降落千倍、耗能降落百万倍。打消了业内人士对光打算算力“有效性”的顾虑。
终极，干系论文以《用于高速视觉任务的全仿照光电子芯片》（All-analog photoelectronic chip for high-speed vision tasks）为题发在 Nature[1]，博士生陈一彤、博士生麦麦提·那扎买提、许晗博士是共同一作，清华大学戴琼海院士、方璐副教授、乔飞副研究员、吴嘉敏助理教授担当共同通讯作者。
图 | 干系论文（来源：Nature）
后续，他们将研究规模更大、算力更强的仿照域光电领悟系统，这须要在算法层面和硬件层面，开展更高层次的联合设计优化。
其余，以大措辞模型为根本，基于新型 AI 算法的高效硬件打算平台，也是非常值得研究的方向之一。
毋容置疑，硬件算力的提升是引领当今 AI 浪潮的主要引擎之一。研究职员认为，基于全仿照光电领悟打算的框架，有着非常好的运用前景。
要想进一步拓展运用范围，就须要构建从软件到硬件的生态环境。而一个完善的生态环境，则须要由学界和业界协同打造，因此他们非常期待业界可以在该方向上支配干系业务，让前沿学术成果能够加速转化成为产品，完成高效打算平台范式的进一步超过。
参考资料：
1.Chen, Y. et al. All-analog photoelectronic chip for high-speed vision tasks. Nature https://doi.org/10.1038/s41586-023-06558-8 (2023).
