宾夕法尼亚大学的工程师开发了一种新的光学芯片，用于执行训练AI所必需的复杂数学运算。其开发人员表示，该芯片有可能“从根本上加快计算机的处理速度，同时降低其能耗”。
基于硅光子学的芯片的设计汇集了本杰明·富兰克林奖章获得者和 H. Nedwill Ramsey 教授 Nader Engheta 在纳米尺度操纵材料方面的开创性研究，以利用 SiPh 平台使用光进行数学计算。
宾夕法尼亚大学的声明说，“光波与物质的相互作用代表了开发计算机的一种可能途径，这些计算机取代了当今芯片的局限性，这些芯片基本上基于与1960年代计算革命早期的芯片相同的原理”。
在Nature Photonics的一篇论文中，Engheta的团队与电气和系统工程副教授Firooz Aflatouni的团队一起描述了新芯片的开发。“我们决定联手，”Engheta说，利用Aflatouni的研究小组开创了纳米级硅器件的事实。
他们的目标是开发一个平台来执行所谓的向量矩阵乘法，这是神经网络开发和功能的核心数学运算，神经网络是当今人工智能工具的计算机架构。
Engheta说，而不是使用高度均匀的硅晶圆。“你使硅更薄，比如150纳米，”但仅限于特定区域。这些高度的变化 - 不添加任何其他材料 - 提供了一种控制光通过芯片传播的方法，因为高度的变化可以分布以导致光以特定模式散射，从而允许芯片以光速进行数学计算。
Aflatouni说，由于生产芯片的商业代工厂施加的限制，这种设计已经准备好用于商业应用，并可能适用于图形处理单元，随着对开发新AI系统的广泛兴趣，对图形处理单元的需求猛增。
“他们可以采用硅光子学平台作为附加组件，”Aflatouni说，“然后你可以加快训练和分类速度。
除了更快的速度和更低的能耗外，Engheta和Aflatouni的芯片还具有隐私优势：由于许多计算可以同时进行，因此无需将敏感信息存储在计算机的工作内存中，这使得由这种技术驱动的未来计算机几乎无法破解。“没有人可以侵入不存在的内存来访问你的信息，”Aflatouni说。
