查看完整版本: [-- 智能光计算领域再获突破 --]

武当休闲山庄 -> 数码讨论 -> 智能光计算领域再获突破 [打印本页] 登录 -> 注册 -> 回复主题 -> 发表主题

huozm32831 2024-08-09 20:50
从清华大学获悉,继构建智能光计算的通用传播模型、研制全球首款大规模干涉—衍射异构集成芯片“太极”后,该校电子工程系方璐教授课题组、自动化系戴琼海教授课题组在智能光计算领域获得新突破:首创全前向智能光计算训练架构,成功研制“太极-II”通用光训练芯片。该芯片填补了智能光计算在大规模训练这一核心拼图中的空白,将与初代“太极”一起合力为AI大模型的训练、推理注入算力发展的新动力,构建光算力的新基座。相关成果以“光神经网络全前向训练”为题,于近日发表于《自然》期刊。

  人工智能大模型的迅猛发展与广泛应用,使得算力成为重大的战略抓手与基础设施。长期以来电子计算芯片的算力增长支撑着AI模型规模的不断发展,然而其高能耗亦带来了前所未有的能源挑战,新兴智能计算范式的建立与发展迫在眉睫。光具有干涉、衍射等多维计算模态,以光为计算媒介,以光的可控传播构建计算模型,光计算以其高算力低能耗特性打开了智能光计算的新赛道,展现出了巨大潜力。

  研究组介绍,训练和推理是AI大模型核心能力的两大基石,缺一不可。通用智能光计算芯片“太极”的问世首次将光计算从原理验证推向了大规模实验应用,为复杂智能任务的推理带来了曙光。然而,初代“太极”尚未释放智能光计算的“训练之能”。

  据悉,“太极-II”光训练芯片以物理光学特性为启发建立了新型的光训练架构,克服了计算精度差、训练速度慢、能量效率低的瓶颈,支撑多尺度复杂光学系统的高效高精度在线训练。

  系统实测结果表明,“太极-II”智能光训练架构在大规模神经网络训练、计算成像等方面均表现出卓越性能。它突破了计算精度与效率的矛盾,将数百万参数的光网络训练速度提升了1个数量级,代表性智能分类任务的准确率提升40%。在非视域等复杂场景成像应用中,实现了千赫兹帧率的计算成像,成像效率提升2个数量级。这些成果表明,在同等参数规模下,相较于图形处理器(GPU),“太极-II”有望能以十分之一的时间完成AI大模型等大规模网络的训练进程,大幅节省时间与能源开销;并能实时解析复杂场景,为医疗诊断、工业检测、环境监测等领域提供高速精准的解决方案。

  据悉,在原理样片的基础上,研究团队正积极地向智能光芯片产业化迈进,在多种端侧智能系统上进行应用部署。

  “智能光计算平台将逐步登上AI算力舞台,将能以更低的资源消耗和更小的边际成本,为人工智能大模型、通用人工智能、复杂智能系统的高速高能效计算开辟新路径。”戴琼海说。

jjybzxw 2024-08-09 22:03
  清华大学电子工程系方璐教授课题组和自动化系戴琼海教授课题组在智能光计算领域取得了重大突破,他们首创了全前向智能光计算训练架构,并成功研制了“太极-II”通用光训练芯片。这一成果被发表在《自然》期刊上,标题为“光神经网络全前向训练”。

  “太极-II”芯片的研制成功,填补了智能光计算在大规模训练这一核心领域的空白。该芯片通过利用光子传播的对称性,实现了对大规模神经网络的高效精准训练,不再依赖传统的电计算离线建模,从而突破了现有光神经网络训练的局限性。这一创新不仅提高了训练速度,还提升了计算精度,为AI大模型的训练和推理提供了新的动力,构建了光算力的新基座。

  太极-II架构的优点在于其能够在大规模学习、复杂场景智能成像、拓扑光子学等多个领域展现出卓越的性能。例如,在大规模学习领域,太极-II能够实现数百万参数的深层光学神经网络(ONN)的训练,达到与理想模型相当的准确率。在复杂场景智能成像领域,太极-II能够实现千赫兹帧率的智能成像,效率提升2个数量级。此外,太极-II还能自动搜索非厄米系统的奇异点,为解析复杂拓扑系统提供了新思路。

  这项研究为智能光计算系统的设计及开发提供了新思路,有望以更低的资源消耗和更小的边际成本,为人工智能大模型、通用人工智能、复杂智能系统的高速高能效计算开辟新路径。目前,研究团队已成功完成原理样片的制备,正向智能光芯片工业化方向推进。



查看完整版本: [-- 智能光计算领域再获突破 --] [-- top --]


Powered by www.wdsz.net v8.7.1 Code ©2005-2018www.wdsz.net
Gzip enabled


沪ICP备:05041533号