麻省理工學院（MIT）的研究團隊首度實驗性展示了新系統，該系統採用了數百個微米級雷射來執行基於光而非電子移動的計算，同時展現出能比目前最先進機器學習電腦的能源效率高出 100 倍、計算密度高 25 倍的驚人表現。
該系統的改善空間非常巨大，換言之，未來的改進將有望實現幾個數量級的提升，這也為大規模光電處理器（optoelectronic processor）的發展另闢蹊徑，進而加速從資料中心到分散式邊緣裝置的機器學習任務。在未來最令人期待的，莫過於即使像手機這樣的小型裝置也能執行原本只能在大型資料中心計算的程式。
隨著深度神經網路（DNN）的興起，資料科學正在不斷演進。面對 DNN 的指數級擴展，傳統電腦硬體能力難免顯露捉襟見肘的疲態，反觀近來光學神經網路（ONN）已經大幅進化，能以高時脈頻率平行處理深度神經網路任務，同時實現封包遺失的最小化。
儘管如此，ONN 卻出現了低電光轉換效率、元件極佔空間和通道串擾等會導致低計算密度的三大問題，同時因為缺乏內聯非線性（inline nonlinearity）而引發顯著延遲的狀況。
對此，研究人員首次提供能一次解決上述所有問題的微型設計，它屬於一種空間時間多工（spatial-temporal-multiplexed）ONN 系統，可透過微米級垂直共振腔面射型雷射（Vertical-Cavity Surface-Emitting Lasers，VCSEL）陣列進行神經元編碼。該元件能夠大量生產，並展現出色的電光轉換效率。總之，這樣的設計似乎在不久的將來會有兩個數量級的大幅改善，屆時光電處理器將為加速橫跨集中式及分散式基礎設施上的機器學習流程提供嶄新契機。
（首圖來源：）
標題：MIT 新系統加速「光運算」發展，未來手機也能執行大型資料中心級計算
地址：https://www.utechfun.com/post/245758.html