文|陳根

人類大腦擁有數十億個神經元，每個神經元與其他神經元之間都存在著上千種連接，很多研究希望通過創造人工神經網絡來模仿人腦以提升信息處理能力。近些年，隨著科技的發展，深度神經網絡開發獲得了質的飛躍。在計算機視覺、語音識別、醫療診斷等領域，深度神經網絡提供了大量支持。

目前，數字芯片上的消費級圖像分類技術，每秒可執行數十億次計算，速度能夠滿足大多數應用。但更復雜的圖像，如識別運動物體、3D物體或人體細胞等方面，依然面臨不少障礙。此外，在光學領域，盡管光子計算取得了不錯的進展，但可擴展光芯片的缺乏以及光子器件的損失，限制了光學深度網絡的前進。

近日，賓夕法尼亞大學的研究人員開發了一種功能強大的新型光學芯片，這是第一個完全在集成光子設備上，以可擴展方式實現的深度神經網絡芯片，尺寸僅為9.3毫米（0.01英寸），每秒可對近20億張圖像進行分類。

傳統電子設備通常使用基于數字時鐘的平臺，如圖形處理單元（GPU）來實現數據處理，其中計算速度會受到時鐘頻率和內存訪問時間的限制。并且，原始圖像數據通常需要轉換為數字電子信號，這不僅耗時較長，且需要大內存單元來存儲圖像和視頻，而這可能會引發潛在的隱私問題。

不同于傳統電子系統，該芯片是以光的形式處理信息，它使用光纜作為神經元，堆疊在多層中，每一層專門用于特定類型的分類。測試中，該芯片對包含兩種類型字符的圖像集分類能夠達到93.8%的準確率，對四種類型的字符集識別能夠達到89.8%的準確率。

此外，該芯片還能夠在0.57 納秒內對每個字符進行分類，使其每秒可以處理 17.5 億張圖像。與此同時，其也不需要存儲正在處理的信息，這就大大節省了時間和保障了數據安全。

目前，相關研究成果已經發表在《自然》（Nature）期刊上；未來，該新型芯片能夠促進人臉識別、自動駕駛等領域的發展。