卓越实验室致力于人工智能处理器中的光子学和电子学

牛津大学和明斯特大学的附属公司Salience实验室最近发布了一款光子处理器，据说可以满足不断增长的数据速率的需求。

2022年4月26日，孵化器Silicon Catalyst允许Salience Labs参与其项目。Silicon Catalyst致力于通过创建一个降低硅IC、传感器和微机电（MEMS）设备设计和制造成本的生态系统，帮助初创公司在半导体行业蓬勃发展。

SalientLabs的研究人员目前正在开发光子计算解决方案。该公司希望通过重新思考和设计半导体芯片架构来满足日益增长的人工智能硬件需求。

 

卓越实验室退出光子学研究

Salience实验室包括一个由工程师、物理学家和程序员组成的团队，他们于2021年启动了这家初创公司。研究人员目前正在制作一种芯片的原型，该芯片利用光（光子学）的能力来执行操作。该团队设计了这种超高通量张量处理芯片，以提高处理性能并加速人工智能的进步。

 

Salience实验室在其多芯片处理器解决方案中结合了光子学和电子学。图片由Salience Labs提供

 

Salience实验室的这项技术是明斯特大学、牛津大学、匹兹堡大学、埃克塞特大学、法国理工学院（EPFL）和欧洲IBM research等机构数十年研究的成果。Salience实验室最近为其多芯片人工智能处理器筹集了1150万美元的种子资金。

 

基于光的处理器的故障

Salience实验室的光子处理器初始原型可以使用受限硅片内的微小光线来快速处理数据。在Salience实验室最近发布的一份出版物中，研究团队指出，对于现代数据密集型应用，光子处理器可以以每秒兆兆兆乘累（TMAC/s）的速度高效运行。

该团队还建议，相变存储器阵列和基于光子芯片的光学频率梳使其光子处理器能够实现并行化的光子内存计算。

 

数字、模拟和光子张量核心架构的比较。图片由Feldmann等人提供。

 

这种基于光的处理器可以通过高速和高吞吐量处理复杂的数学任务来加速机器学习。据说，与依赖电子数据传输的传统处理器芯片相比，它表现出了显著的改进。

 

聚焦神经网络

研究小组使用硬件加速器来开发神经网络。这项研究首次将频率梳应用于人工神经网络领域，这对在同一处理器芯片内独立处理光学波长至关重要。

 

Salience实验室的光子学芯片。图片由Jonas Schütte和美国商业资讯提供

 

有了这些卷积神经网络，芯片可以实现对图像和音频数据的高精度分类。与需要几个顺序处理步骤的数字电子不同，光子存储器计算需要单步矩阵矢量乘法（MVM）。Salience实验室表示，这种光子内存计算为N复用矢量提供了额外的自由度。

 

卓越实验室致力于提升人工智能应用

Salience实验室的主要目标是开发一种用于人工智能应用的混合光子电子芯片。Salience实验室最近发表的研究结果表明，该解决方案提供了高速数据处理、低功耗、高精度和高精度的数据分析。通过这些特征，该芯片可以用于：

• 评估用于临床诊断的大型数据集
• 改进自动驾驶汽车
• 增强云计算的IT基础设施

该公司最新发布的光子学芯片允许高达100 GHz的数据调制，允许高并行化水平的多路复用。