由斯威本科技大學(xué)領(lǐng)導(dǎo)的一個國際研究團(tuán)隊(duì)展示了世界上最快、最強(qiáng)大的人工智能（AI）光學(xué)神經(jīng)形態(tài)處理器，其運(yùn)行速度超過每秒10萬億次運(yùn)算（TeraOPs/s），能夠處理超大規(guī)模數(shù)據(jù)。這一突破發(fā)表在著名的《Nature》雜志上，代表了神經(jīng)網(wǎng)絡(luò)和整個神經(jīng)形態(tài)處理的巨大飛躍。

人工神經(jīng)網(wǎng)絡(luò)作為人工智能的重要形式，可以 "學(xué)習(xí)"并執(zhí)行復(fù)雜的操作，在計(jì)算機(jī)視覺、自然語言處理、面部識別、語音翻譯、醫(yī)療診斷等諸多領(lǐng)域都有廣泛的應(yīng)用。人工神經(jīng)網(wǎng)絡(luò)受到大腦視覺皮層系統(tǒng)生物結(jié)構(gòu)的啟發(fā)，從原始數(shù)據(jù)中提取關(guān)鍵特征，以前所未有的準(zhǔn)確性和簡單性來預(yù)測屬性和行為。

在斯威本大學(xué)David Moss教授、Xingyuan (Mike) Xu博士和RMIT大學(xué)杰出教授Arnan Mitchell的帶領(lǐng)下，該團(tuán)隊(duì)在光學(xué)神經(jīng)網(wǎng)絡(luò)方面實(shí)現(xiàn)了一項(xiàng)特殊的壯舉：極大地加快了其計(jì)算速度和處理能力。

該團(tuán)隊(duì)展示了一種光學(xué)神經(jīng)形態(tài)處理器，其運(yùn)行速度比以往任何處理器都要快1000多倍，該系統(tǒng)還能處理超大規(guī)模圖像，足以實(shí)現(xiàn)完整的面部圖像識別，這是其他光學(xué)處理器一直無法完成的。

這一突破是通過'光學(xué)微梳'實(shí)現(xiàn)的。雖然最先進(jìn)的電子處理器（如谷歌TPU）的運(yùn)行速度可以超過100 TeraOPs/s，但這是通過數(shù)萬個并行處理器完成的。相比之下，該團(tuán)隊(duì)所展示的光學(xué)系統(tǒng)使用的是單個處理器，并且是利用一種新技術(shù)，通過集成的微梳同時在時間、波長和空間維度上交織數(shù)據(jù)實(shí)現(xiàn)的。

這種處理器可以作為任何神經(jīng)形態(tài)硬件（基于光學(xué)或電子的）的通用超高帶寬前端，使實(shí)時超高帶寬數(shù)據(jù)的海量數(shù)據(jù)機(jī)器學(xué)習(xí)觸手可及。這項(xiàng)技術(shù)適用于所有形式的處理和通信，未來希望在芯片上實(shí)現(xiàn)完全集成的系統(tǒng)，從而大大降低成本和能源消耗。

論文標(biāo)題為《11 TOPS photonic convolutional accelerator for optical neural networks》。