光芯片，速度快10000倍

使用光而不是电的微芯片在训练人工智能所必需的复杂计算方面可能比传统电子产品更快、更节能。此外，研究人员表示，新芯片在抵御黑客攻击方面可能会更加安全。

人工智能在分析医学扫描和支持自动驾驶汽车等应用中通常依赖于神经网络。在这些系统中，被称为神经元的组件被输入数据并合作解决问题，例如识别面部。

随着神经网络规模和功率的增长，它们在传统电子设备上运行时变得更加耗能。这促使一些研究人员将光学计算作为有前景的下一代人工智能基础进行研究。这种光子方法使用光而不是电来比电子方法更快、更省电地执行计算。“速度可能会快 1,000 到 10,000 倍，”宾夕法尼亚大学电气与系统工程教授Nader Engheta说道。

在这项新研究中，研究人员制造了一种高度从 150 纳米到 220 纳米不等的硅片。高度变化的组织使得芯片可以以特定的图案散射光。当输入以光的形式流入芯片时，输出光对来自复杂任务的数据进行编码。

科学家们设计了微芯片来执行矢量矩阵乘法运算。这些计算涉及称为矩阵的数字网格的乘法，是许多计算任务（包括操作神经网络）的关键。

传统电子设备逐行执行这些计算，而新型光学设备一次执行全部这些计算。Engheta 说，这意味着“人们不需要将中间阶段的信息存储在内存中”。“因此，结果和过程不太容易受到黑客攻击。”

此前，在设计光子学来执行此类计算时，科学家面临的一个挑战是如何使用复杂的 3D 模拟来对这些芯片内光波的三维行为进行建模。这反过来又使得将设备扩展到更大的矩阵尺寸在计算上变得困难。

在这项新研究中，通过限制芯片上硅厚度的变化量，研究人员开发了一种使用更简单的二维模拟来对器件进行建模的方法。这反过来又让他们可以使用更大的矩阵尺寸进行操作。

在实验中，科学家们测试了能够计算边长为三乘三的矩阵的微芯片。他们还设计了一种能够支持边数最多为十乘十的矩阵的设备。

“对我来说，我们工作中令人兴奋的特点之一是利用光以接近光速的速度进行数学运算，”Engheta 说。

恩赫塔说，未来，科学家们希望探索“如何为此类结构添加可重构性和可编程性”。“另一个可以考虑的方向是建立具有更多输入和更多输出的结构。”