作为近年来新兴的计算模态，智能光计算具备高速、低功耗等特性，在后摩尔时代拥有超越硅基电子计算的潜力，可以突破性解决人工智能领域的算力与功耗难题。
光芯片具备高速高并行计算优势，被寄予希望用来支撑大模型等先进人工智能应用。如何制造出兼具大算力和高能效的下一代 AI 芯片已成为国际前沿热点。
针对大规模光电智能计算难题，清华大学研究团队摒弃传统电子深度计算范式，首创分布式广度光计算架构，研制大规模干涉-衍射异构集成芯片太极（Taichi），实现了具备 879 T MACS/mm^2 的面积效率与 160 TOPS/W 的能量效率的通用智能计算。
相异于电子神经网络依赖网络深度以实现复杂的计算与功能，“太极” 光芯片架构源自光计算独特的全连接与高并行属性，化深度计算为分布式广度计算，为实现规模易扩展、计算高并行、系统强鲁棒的通用智能光计算探索了新路径。
清华大学团队在实验环境下，实现了片上（on-chip）1396 万光神经网络（ONN），可用于复杂的自然场景千类对象识别、跨模态内容生成等人工智能复杂任务。太极光芯片的计算能效超现有智能芯片2—3个数量级，将可为百亿像素大场景光速智能分析、百亿参数大模型训练推理、毫瓦级低功耗自主智能无人系统提供算力支撑。
该研究成果发表于《科学》期刊上，论文下载链接：
https://www.science.org/doi/pdf/10.1126/science.adl1203
