APP下载

用于人工智能的硅基光电子芯片

2021-11-28白冰裴丽左晓燕

中兴通讯技术 2021年1期
关键词:深度学习人工智能

白冰 裴丽 左晓燕

摘要:提出了利用硅基光电子芯片进行人工神经网络计算处理的方法。硅基光电子芯片凭借光子的独特性质,能够在人工神经网络的计算处理中发挥高带宽、低时延等优势。在处理深度学习中大量的矩阵计算的乘加任务时,硅基光电子芯片拥有更高的处理速度和更低的能耗,从而有利于深度学习中的人工神经网络计算速度和性能的提升。

关键词:人工神经网络;硅基光电子芯片;人工智能;深度学习

Abstract: Silicon photonic chips are used to perform artificial neural network computation. Because of the unique properties of photons, silicon photonic chips have the advantages of high bandwidth and low delay in the computation and processing of artificial neural network. When dealing with the multiplication and addition task of a large number of matrix calculations in deep learning, silicon photonic chips have higher processing speed and lower energy consumption, which is beneficial to the improvement of the computational speed and performance of artificial neural network in deep learning.

Keywords: artificial neural network; silicon photonic chips; artificial intelligence; deep learning

人工智能發展的着眼点之一是强大的大型数据集处理工具。这就要求计算机在没有获得明确指令的条件下,能快速高效地学习并组合分析大量信息。人工神经网络就是可以进行学习的数据处理计算机,而以人工神经网络为基础的深度学习算法因其在图像识别、问题决策、语言翻译、自动驾驶[1]、医疗辅助[2]等方面的应用而受到学术界和工业界的关注。

目前,人工神经网络几乎全部依赖于传统的电域集成芯片,包括中央处理器(CPU)、图形处理器(GPU)、现场可编程门阵列(FPGA)、专用集成电路(ASIC)。微电子芯片因其结构上无法规避的缺陷,在处理大量的矩阵运算时,面临带宽低、功耗大、速度慢等问题,但人工神经网络实现的基础就是大量的矩阵运算;因此,要想实现深度的人工神经网络,就需要更多的时间和能耗成本。我们可以通过不断提高芯片集成度,进行存内计算等方法解决这个问题;但与此同时,晶体管尺寸不断缩小,晶体管的性能也越来越受到量子效应的影响,这限制了集成度的不断提高。……

登录APP查看全文

猜你喜欢

深度学习人工智能
我校新增“人工智能”本科专业
人工智能与就业
数读人工智能
有体验的学习才是有意义的学习
电子商务中基于深度学习的虚假交易识别研究
MOOC与翻转课堂融合的深度学习场域建构
大数据技术在反恐怖主义中的应用展望
深度学习算法应用于岩石图像处理的可行性研究
基于深度卷积网络的人脸年龄分析算法与实现
下一幕,人工智能!