美國科學(xué)家在最新一期《自然》雜志發(fā)表論文稱，他們開發(fā)了首塊可擴展的基于深度神經(jīng)

網(wǎng)絡(luò)的光子芯片，每秒可對20億張圖像進行直接分類，而無需時鐘、傳感器或大內(nèi)存模塊，有

望促進人臉識別、自動駕駛等領(lǐng)域的發(fā)展。

　　模仿人腦工作的深度神經(jīng)網(wǎng)絡(luò)現(xiàn)在通常為計算機視覺、語音識別等提供支持。目前數(shù)字芯

片上的消費級圖像分類技術(shù)每秒可執(zhí)行數(shù)十億次計算，速度足以滿足大多數(shù)應(yīng)用，但更復(fù)雜的

圖像，如識別運動物體、3D物體或人體顯微細胞分類仍面臨不少障礙。

　　首先，這些系統(tǒng)通常使用基于數(shù)字時鐘的平臺，如圖形處理單元（GPU）來實現(xiàn)，這將它

們的計算速度限制在時鐘頻率上，計算必須逐個進行。其次，傳統(tǒng)電子設(shè)備將內(nèi)存和處理單元

分開，數(shù)據(jù)穿梭耗費時間。此外，原始圖像數(shù)據(jù)通常需要轉(zhuǎn)換為數(shù)字電子信號，耗時較長，而

且需要大內(nèi)存單元來存儲圖像和視頻，引發(fā)潛在的隱私問題。

　　鑒于此，賓夕法尼亞大學(xué)電氣和系統(tǒng)工程副教授弗瑞茲·阿發(fā)雷托尼等人開發(fā)出一款可擴展

芯片，每秒可對近20億張圖像進行分類。這是第一個完全在集成光子設(shè)備上以可擴展方式實現(xiàn)

的深度神經(jīng)網(wǎng)絡(luò)，整個芯片大小只有9.3平方毫米，消除了傳統(tǒng)計算機芯片中的4個主要耗時障

礙：光信號到電信號的轉(zhuǎn)換、將輸入數(shù)據(jù)轉(zhuǎn)換為二進制格式、大存儲模塊以及基于時鐘的計算。

　　阿發(fā)雷托尼解釋說，該芯片上的光學(xué)神經(jīng)元通過光線相互連接，形成一個由許多“神經(jīng)元

層”組成的深層網(wǎng)絡(luò)。信息通過“神經(jīng)元層”傳遞，每一步都對圖像分類，使快速處理信息成

為可能，最新芯片可在半納秒內(nèi)完成整個圖像分類，而傳統(tǒng)數(shù)字計算機芯片在同樣時間內(nèi)只能

完成一個計算步驟。

　　研究人員表示，可通過添加更多神經(jīng)層來擴展這一深層網(wǎng)絡(luò)，使芯片能以更高分辨率讀取

更復(fù)雜圖像中的數(shù)據(jù)。此外，任何可轉(zhuǎn)換為光的信號，如音頻和語音，都可使用這項技術(shù)幾乎

瞬間進行分類。