清華大學，最新Nature！

清華這篇Nature，團隊陣容超強！

戴瓊海，自動控制學家，中國工程院院士，中國發明協會會士，清華大學自動化系教授，清華大學生命科學學院兼職教授，清華大學信息科學技術學院院長。 2005年獲得國家傑出青年科學基金資助；2010年擔任973項目首席科學家；2014年入選國家“新世紀百千萬人才工程”；2017年當選爲中國工程院院士；2020年被聘任爲國務院參事，長期致力於立體視覺和計算攝像理論、關鍵技術研究與人才培養。

方璐，清華大學電子工程系副教授，26歲博士畢業，被評爲博士生導師，2021獲得達摩院青橙獎，2022年以通訊作者身份發《Nature》。

喬飛，清華大學自動化系副教授，作爲每刻深思團隊的核心成員，獲得由產業基金曠沄基金、SEE Fund、龍鼎資本、中陽融正基金和老股東AMINO Capital豐元資本投資的近億元Pre-A輪融資。此前，每刻深思曾獲得來自力合創投和豐元資本的天使輪投資。

吳嘉敏，90後，清華大學助理教授，2022年獲得達摩院青橙獎、入選麻省理工科技評論亞太區“35歲以下科技創新35人”，2022年以第一作者身份發《Nature》。

時隔一年，再發Nature！

清華大學吳嘉敏助理教授、喬飛教授、方璐教授和戴瓊海院士提出了一種結合電子和光計算的全模擬芯片（ACCEL）。它的系統能效爲每瓦每秒 74.8 千萬次運算，運算速度爲每秒 4.6 千萬次運算（99% 以上由光學實現），比最先進的運算處理器分別高出三個和一個數量級以上。在應用衍射光學計算作爲特徵提取的光學編碼器後，光感應光電流可直接用於集成模擬計算芯片的進一步計算，而無需模數轉換器，從而實現了每幀 72 ns 的低計算延遲。通過對光電計算和自適應訓練的聯合優化，ACCEL 在Fashion-MNIST、3 級 ImageNet 分類和延時視頻識別任務的實驗中分別實現了 85.5%、82.0% 和 92.6% 的極具競爭力的分類準確率，同時在弱光條件下（每幀 0.14 fJ μm-2）表現出卓越的系統魯棒性。ACCEL 可廣泛應用於可穿戴設備、自動駕駛和工業檢測等領域。相關研究成果以題爲“All-analog photoelectronic chip for high-speed vision tasks”發表在最新一期《Nature》上。

【背景】

深度學習是一種計算方法，使計算機能夠使用人工神經網絡從示例和以前的經驗中學習，人工神經網絡可以訓練系統來識別數據集中的模式和關係，其過程類似於人腦的運作方式。深度學習的一個應用是計算機視覺（例如，用於自動駕駛）：在基於視覺的任務中，來自計算機的模擬信號（任何連續變化的物理量，例如形成圖像的光線）環境首先由電子傳感器採樣，然後轉換爲數字信號（將數據表示爲有限集合中的離散值，例如0或1），供神經網絡處理。然而，數百萬個圖像元素（稱爲像素）的模數轉換需要相當長的時間並消耗大量的能量，這降低了神經網絡實際實現的速度和功率效率。

光計算利用模擬光信號（即由光子組成的光波，而不是由電子組成的電流）的傳播和干涉，是解決該問題的最有前途的方法之一。然而，一些缺點——例如實現大規模神經網絡的複雜性及其易受噪聲影響（在環境和信號檢測器中）以及系統錯誤的可能性——降低了光學計算在實際應用中的性能，這仍然需要大量的模數轉換。

圖 1. ACCEL的架構

【解決方案】

研究人員設計了一種集成光電處理器（稱爲ACCEL），以全模擬方式利用光子形式的光和電子的優點（圖1）。集成芯片包括光學模擬計算模塊，利用光衍射以高度並行的方式從高分辨率光場中提取信息。利用光電效應將光學模擬計算模塊輸出的光轉換爲電流，從而能夠構建複雜的網絡結構，從而提高任務性能。然後，電子模擬計算模塊分析光產生的電流，而無需將模擬信號轉換爲數字信號。電子電路的靈活性（在該芯片中比光學電路更容易操作）使他們能夠開發出一種自適應且可重新配置的訓練方法，可以補償全模擬計算系統中的錯誤。這對於提高實踐中的表現至關重要。

圖 2. ACCEL的實施

圖 3. ACCEL性能的數值評估

【性能評估】

ACCEL能夠識別和分類視覺數據集中的對象，例如手寫數字、衣服和草書，其分類精度可與數字神經網絡相媲美。此外，該芯片可以在約72納秒的時間內對日常生活各種場景的高分辨率圖像進行分類，並且需要的能量不到5納焦耳，這比頂級圖形快3000倍以上，能耗低4000000倍處理單元。最後，該芯片可以直接與不相干光源（發射具有不同頻率、波長和相位的光束）一起使用，例如手電筒，從而在日常生活中提供廣泛的實際應用。

圖 4. ACCEL用於圖像分類的實驗結果

圖 5. ACCEL對於延時任務（視頻判斷）的實驗結果

圖 6. ACCEL處理時間和能耗的實驗測量

【未來發展方向】

具有超快模式識別能力的計算機可能會大大加快工業裝配線的生產率，例如，當用於質量控制檢查時，或者可以改善候選藥物的篩選。該芯片的功耗可以忽略不計，爲便攜式系統開闢了新的視野，例如用於健康監測的可穿戴設備和手機中的永遠在線系統。此外，該方法通過提供可以將模擬信號轉換爲數字信號的高效光電接口，對量子和光學計算技術等新興計算架構具有廣泛的影響。ACCEL可能會讓這些架構比預期更快地融入人們的日常生活。

在可擴展性和多功能性方面仍有改進的空間。執行比使用數字計算技術可以實現的任務更復雜的任務的能力，以及將當前設計擴展到大型網絡規模的能力，需要算法和硬件方面的進一步進步。研究人員在致力於該芯片實際應用的同時，也在研究如何使模塊具有可擴展性和可編程性，以大規模生產基於模擬光子技術的智能計算系統。此外，這種架構將來可以用於各種神經網絡結構，包括大型語言模型。

來源：高分子科學前沿

聲明：僅代表作者個人觀點，作者水平有限，如有不科學之處，請在下方留言指正！