使用光的智能机器智能

摘要 乔治华盛顿大学的研究人员与加州大学洛杉矶分校的研究人员和 Optelligence LLC 的深度科技企业合作，开发了一种光学卷积网络加速器，可以处理每秒 PB 量级的大量数据。 这项利用光的大规模并行性的新创新开创了光信号处理的新时代，其应用包括自动驾驶汽车、5G 网络和数据中心、生物医学诊断、数据安全等。

全球对机器学习硬件的需求已经超过了当前的计算能力。 图形处理器单元和张量单元加速器等电子硬件可以帮助缓解这个问题，但它们也面临着需要迭代处理的串行数据处理的挑战，并且由于布线和电路的限制会出现延迟。 通过以非迭代方式简化信息处理，电子硬件的光学替代品可以帮助加快机器学习过程。 然而，基于光子的机器学习通常受到可放置在光子集成电路上的组件数量的限制，从而限制了互连性，而自由空间空间光调制器则受限于较慢的编程速度。

研究人员开发了一种系统，通过用数字镜像技术取代空间光调制器 (SLM)，速度提高了 100 多倍。 该处理器的非迭代定时器与其快速可编程性、大规模并行化和非迭代处理相结合，使该光学机器学习系统的性能甚至优于最强大的图形处理单元。

来源和详细信息：
https://mediarelations.gwu.edu/developing-smarter-faster-machine-intelligence-light