返回
Universal photonic artificial intelligence acceleration
DOI:10.1038/s41586-025-08854-x.png)
摘要
En 中文
过去十年,光子学研究已探索加速张量运算,该运算为人工智能(AI)和深度学习1, 2, 3-4奠定基础,并将其视为提升能源效率与性能5, 6, 7, 8, 9, 10, 11, 12, 13-14的途径。该领域的主要动机在于寻找替代技术,以在超越摩尔定律和 Dennard 缩放的时代延续计算进展15, 16, 17, 18-19。尽管取得了这些进展,但尚未有光子芯片达到实践人工智能应用所需的精度,且演示仅限于简化的基准任务。本文介绍一种光子人工智能处理器,其可执行包括 ResNet3 和 BERT20,21在内的高级人工智能模型,以及由 DeepMind 原创演示的 Atari 深度强化学习算法22。该处理器在众多工作负载中实现了接近电子设备的精度,标志着光子计算在竞争中与成熟电子人工智能加速器23的显著突破,并是实现后晶体管计算技术发展的关键一步。
Keyword:
DEEP
LEVEL
期刊
IF:
48.5
论文数:
1.8W
被引数:
96.5W
机构
引用论文
A 9-bit, 45 mW, 0.05 mm2 Source-Series-Terminated DAC Driver With Echo Canceller in 22-nm CMOS for In-Vehicle Communication一款具有回声消除功能的9位、功耗45 mW、面积0.05 mm2的源端串联终止型DAC驱动器,采用22-nm CMOS工艺,用于车载通信。
Photonics for artificial intelligence and neuromorphic computing用于人工智能和神经形态计算的光子学
NATURE PHOTONICS
IF32.9
Quantization and Training of Neural Networks for Efficient Integer-Arithmetic-Only Inference用于有效的仅整数算术推理的神经网络的量化和训练
Integrated non-reciprocal magneto-optics with ultra-high endurance for photonic in-memory computing
NATURE PHOTONICS
IF32.9

