Arbetsprincipen för det fotoniska komplexa matrix-vektormultiplikatorchipet. Kredit:Junwei Cheng, Yuhe Zhao, Wenkai Zhang, Hailong Zhou, Dongmei Huang, Qing Zhu, Yuhao Guo, Bo Xu, Jianji Dong, Xinliang Zhang；
Optisk beräkning använder fotoner istället för elektroner för att utföra beräkningar, vilket avsevärt kan öka hastigheten och energieffektiviteten för beräkningar genom att övervinna elektronernas inneboende begränsningar. Grundprincipen för optisk beräkning är interaktionen mellan ljus och materia. Matrisberäkning har blivit ett av de mest använda och oumbärliga verktygen för informationsbehandling inom vetenskap och teknik, och bidrar med ett stort antal beräkningsuppgifter till de flesta signalbehandlingar, såsom diskreta Fourier-transformationer och faltningsoperationer.
Som den grundläggande byggstenen för artificiella neurala nätverk (ANN), upptar matrismultiplikation de flesta av beräkningsresurserna. På grund av egenskaperna hos elektroniska komponenter kräver att utföra enkla matrismultiplikationer ett stort antal transistorer för att fungera tillsammans, medan matrismultiplikationer enkelt kan implementeras av grundläggande fotoniska komponenter som mikroringar, Mach Zehnder-interferometrar (MZI) och diffraktiva plan. Därför är hastigheten för optisk beräkning flera storleksordningar snabbare än elektronisk beräkning och förbrukar mycket mindre ström. Den traditionella inkoherenta matris-vektormultiplikationsmetoden fokuserar dock på verkligt värderade operationer och fungerar inte bra i komplext värderade neurala nätverk och diskreta Fourier-transformer.
Forskare under ledning av professor Jianji Dong vid Huazhong University of Science and Technology (HUST), Kina, har föreslagit ett fotoniskt komplext matris-vektor-multiplikatorchip som kan stödja godtyckliga storskaliga och komplext värderade matrismultiplikationer. Chipet bryter flaskhalsen för traditionella icke-koherenta optiska datorsystem, som har svårt att uppnå godtyckliga storskaliga komplexvärderade matrismultiplikationer. Den möjliggör också tillämpningar av artificiell intelligens, såsom diskreta Fourier-transformationer, diskreta cosinustransformeringar, Walsh-transformers och bildfalsningar.
Deras idé är att designa intelligenta algoritmer för matrisuppdelning och matrispartitionering för mikroringarrayarkitekturen för att utöka matrismultiplikationer från den verkliga till den komplexa domänen och från liten skala till stor skala. Forskarna var framgångsrika med att experimentellt demonstrera flera typiska tillämpningar för artificiell intelligens, vilket visar potentialen hos det fotoniska komplexa matrix-vektor-multiplikatorchippet för tillämpningar inom artificiell intelligens. Verket med titeln "A small microring array that performs large complex-valued matrix-vector multiplification" publicerades den 28 april 2022 i Frontiers of Optoelectronics . + Utforska vidare
