五问五答 | 光子AI芯片可替代高端FPGA芯片，但对象链制约着财富化！

白冰

光子算数CEO

北京交通大学电子工程学院博士研究生，研究偏向包罗硅基光子集成器件、非线性光学材料、板卡级光电异构较量架构、光电夹杂神经收集模型等，介入承担多项国度天然科学基金项目，申请相关专利12项。

清华大学光传感系统和光子神经收集博士研究生臧裕斌：

1.从实现算法的复杂度、可重构性以及片上可练习的角度来说光神经收集今朝都不是电神经收集的敌手，那么做光神经收集的意义和优势安在呢？

2.除了用光子器件构造拟构NN的运算构造，如今这一范畴水库较量算法也做的较为火热，不知演讲者对这一范畴持何种见解？光AI芯片的将来是属于前者照样后者？此外，光AI构造必然要集成于芯片之上吗？

 白冰博士：（1）今朝光神经收集仅用于云端推理，追求的是低功耗，并不做练习。同时它有很高的可重构性，与FPGA进行异构处理时，是用FPGA在对非线性较量和收集构造长进行分可重构，光的部门是由好多个小矩阵阵列构成，可进行天真的矩阵设置。

(2)  需要介绍一下水库较量。水库较量又称贮备池较量，用于解决轮回神经收集。传统上我们用光完成的是前传矩阵的部门，而轮回的收集构造是经由电的掌握实现的。但在素质上，若是能在全光内完成轮回较量将会取得更好的结果。

今朝我们对贮备池较量也有必然的研究。贮备池较量是一个用光作环路，并把获得的数据与之后做的数据进行光脉冲交叠来完成较量，等于用光来充任缓存的过程。

此外，贮备池较量在通信中非常主要，能够用于进行传输较量一体化（传算一体）。具体来说，以前光纤经由收发芯片保持到基站上，把光旌旗经由领受芯片转化成电旌旗传给基站，再用基站中的DSP处理器进行后续旌旗的剖析和处理；

而如今的方案是，我们将光学较量芯片加到光纤与领受芯片之间（与领受芯片集成在一路），这就相当于把较量域往前移，把本应该在基站内部电域处理的矩阵（如傅里叶变换）放到光域来完成。如许一来，就能直接将从远距离光纤（如上海到北京）来的旌旗在光学较量芯片长进行变换处理，完成了一部门的较量工作。

光自己是无源、低功耗、高速度的，其自己也没有电光转换的过程，是以如许处理后，再把它给领受芯片转化成电旌旗，在这个阶段中，DSP内只需要完成一小部门后续处理即可。这是属于贮备池较量的一个首要应用，同时它是面向时序的，对直接接管这种光旌旗的场景也会非常好。我们把这叫做“传算一体”。

中国电子工程设计院高级工程师沈洁：

1.硅光子芯片与波导模式有关吗？

2.在AI神经收集较量中，硅光子集成度能达到几多，集成度与电子芯片有优势吗？

3.是否涉及光子的量子效应、非线性效应的影响，若何战胜这些影响？

白冰博士：（1）是有关的，今朝我们也正使用基模进行较量，但后期会有高阶模，例如在实现全加器时会涉及到一些高阶模。

（2）事实上，硅光子的集成度与电子芯片的集成度是无法直接对照，而要比的应该是单元单子功耗里所供应的算力及单元单子成本。因为硅光子自己是无源较量，具备低功耗、加工制程低、价钱廉价等特点，从这些方面来说是具有优势的，这也是我们一样评估的指标。

（3）首先，硅光子芯片并不涉及量子效应，已经落地的方案，是用已有的光通信根基单元去拼系统，而在波长和其他方面都不会进行如斯调整，如许的目的是让它快速落地，将优化放在之后。

其次对于非线性效应，今朝我们在进行相关的工作，好比硅基微环，行使泵浦光去做激活，相当于把一部门非线性也用光来处理。再好比PD(光电二极管)，其自己是一个光电转换器，在一些区间也是非线性的，同样也能够用来作为激活函数。

骨鱼科技CEO刘东峰：

1.光子芯片最根基的运算单元是什么？传统半导体芯片，是与或非门，光子芯片，是不是也需要组成如许的门电路，或许说波导？

2. 对于光子芯片的设计，与传统半导体芯片的设计，有什么分歧？

3. 光线折射和衍射，会有损耗，光子芯片若何解决这个问题？

白冰博士：（1）根基单元例若有MZ过问仪、分束器、波分复用器、模式转换器等，都是传统光通信芯片里面用的器件，实际上经由通信的方式来映射它的较量过程。

（2）与传统半导体芯片设计比拟分歧的是，在设计上它是一个模拟器件，而对于今朝的模拟器件而言，除了用PDK，有些部门是需要进行凭借经验的手绘。

（3）对于折射和衍射损耗来说，评估到整体上的损耗在2到4dB/cm，但对于片上系统来说这并不是很主要的问题。

中兴通信手艺合作总监王竖立：

1.光子AI芯片今朝能达到几多算力？功耗与传统芯片比拟，能改善几多？

2.当前光子AI芯片财富化的瓶颈在哪儿？

白冰博士：（1）实际上，今朝光子AI芯片的算力是与FPGA进行对比的，在云端上以同样的算力根基上能够达到三到四分之一的功耗，如许能够替代一些高端的FPGA芯片。

（2）对于光子AI芯片财富化的瓶颈，我们认为这是一个对象链的问题，当光子AI芯片与FPGA进行异构时，其掌握部门完满是在FPGA内完成，我们能够经由调剂FPGA来调剂光子AI芯片，它与FPGA一般，面临着对象链的问题。

与GPU比拟，它的机能和功耗都有对照显着的优势，但今朝需要按照项目去推进，好比在进行项目迁徙时，需要的是底层的编程人员，而这方面的人才倒是非常难找的，这也是光子AI芯片财富化存在的瓶颈地点。在之后具有充沛的资金后，我们会斥地AI层面的对象链。

海康威视工程师郝扬：

光电异构较量用宽度替代深度，如许是否充沛？

白冰博士：我们现有的光电夹杂板卡是面向现有的一些算法，首要都是一些深度收集。对收集构造来说，层数充沛多和层宽度很大结果是一般的，然则后者对于并行线性较量要求会更高，这跟光较量的物理过程成家。

此外，非线性较量能够由线性较量在局部做近似拟合，如许能够进一步削减光较量器件无法加快的非线性部门。

浏览完五问五答是否意犹未尽？能够点击下方图片识别图中..收听本场公开课直播的全程回看。

点个在看和人人一路聊聊