“挣脱”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，在一枚芯片上突破大规模计算单元集成、高效非线性、高速光电接口三个国际难题。
中存储消息，来自清华大学官网新闻，清华大学自动化系戴琼海院士、吴嘉敏助理教授与电子工程系方璐副教授、乔飞副研究员联合攻关，提出了一种摆脱摩尔定律的全新计算架构：光电模拟芯片。
摩尔定律1965年由英特尔创始人之一戈登·摩尔提出，即每隔约两年，集成电路可容纳的晶体管数目便增加一倍。随着晶体管尺寸接近物理极限，近十年内摩尔定律已放缓甚至面临失效。
如何构建新一代计算架构，建立人工智能时代的芯片“新”秩序，成为国际社会高度关注的前沿热点。光计算以其超高的并行度和速度，被认为是未来颠覆性计算架构的最有力竞争方案之一。
然而用光来做计算，仍面临许多国际难题，光计算芯片一直难以真正替代当前的电子芯片。
清华大学攻关团队的破解之道在于——创造性地提出了光电深度融合的计算框架，从最本质的物理原理出发，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，“挣脱”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，在一枚芯片上突破大规模计算单元集成、高效非线性、高速光电接口三个国际难题。
根据官方的实测，光电融合芯片的系统级算力较现有的高性能芯片架构提升了3000余倍，以交通工具来类比的话，相当于将京广高铁8小时的运行时间缩短到了8秒钟。
不仅如此，该芯片的系统级能效实测达到了74.8 Peta-OPS/W，是现有高性能芯片的400万余倍，相当于原本供现有芯片工作一小时的电量，可供它工作500多年。
形象地说，原本供现有芯片工作一小时的电量，可供它工作500多年。而在超低功耗下运行的光电融合芯片将有助于大幅度改善芯片发热问题，为芯片的未来设计带来全方位突破。
制作方面，该芯片光学部分的加工最小线宽仅采用百纳米级，而电路部分仅采用180nm CMOS工艺，已取得比7纳米制程的高性能芯片多个数量级的性能提升。与此同时，其所使用的材料简单易得，造价仅为后者的几十分之一。
相关成果以“高速视觉任务中的纯模拟光电芯片”（All-analog photo-electronic chip for high-speed vision tasks）为题，以长文（article）形式发表在《自然》（Nature）期刊上。该课题得到科技部2030“新一代人工智能”重大项目、国家自然科学基金委基础科学中心项目等的支持。
具体来看，团队构建了可见光下的大规模多层衍射神经网络实现视觉特征提取，利用光电流直接进行基于基尔霍夫定律的纯模拟电子计算，两者集成在同一枚芯片框架内，完成了“传感前+传感中+近传感”的新型计算系统。
ACCEL的架构（a、传统光电计算的工作流程，包括大规模光电二极管和ADC阵列；b、ACCEL的工作流程。衍射光学计算模块在光域处理输入图像进行特征提取，其输出光场由光电二极管阵列产生光电流直接用于模拟电子计算。）
光电融合的新型架构，不仅开辟出这项未来技术通往日常生活的一条新路径，还对量子计算、存内计算等其他未来高效能技术与当前电子信息系统的融合深有启发。
声明： 此文观点不代表本站立场；转载须要保留原文链接；版权疑问请联系我们。
