【据美国麻省理工学院网站2019年6月5日报道】美国麻省理工学院(MIT)的研究人员开发了一种用于光学神经网络的新型“光子”芯片设计方案，其能源效率可比现有的AI加速器芯片高出数百万倍。该芯片采用了更紧凑的光学元件和光信号处理技术，大大降低了功耗和芯片面积，使光学神经网络摆脱了对一些庞大光学组件的依赖，从而使光学神经网络能以几个数量级的规模进行扩展。传统的光学神经网络加速器采用波导和“Mach-Zehnder干涉仪”构建，每个神经元对应一个波导，每个权重则必须有一个干涉仪，因此网络规模很难超过100个神经元。而MIT的新型芯片使用“平衡零差检测”进行矩阵乘法，每个输入和输出神经元只需要一个通道，所需的零差光电探测器数量与神经元数量相当，这节省了大量空间，相应的神经网络规模可扩展到每层100万个神经元。在MNIST图像分类数据集上进行的模拟训练表明，该加速器处理神经网络的能耗理论上比传统的电子加速器低1000万倍以上、比传统的光子加速器低1000倍。研究人员目前正在开发原型芯片，相关论文《Large-Scale Optical Neural Networks based on Photoelectric Multiplication》已在Physical Review X网站上发表。
