人工智能的硬件处理走向3D，提升处理能力

在《自然光子学》上发表的一篇论文中，牛津大学的研究人员与来自明斯特大学、海德堡大学和埃克塞特大学的合作者一起，报告了他们开发的能够处理三维(3D)数据的集成光电子硬件，大大提高了人工智能任务的数据处理并行性。

传统计算机芯片的处理效率每18个月翻一番，但现代人工智能任务所需的处理能力目前每3.5个月翻一番。这意味着迫切需要新的计算范式来应对不断增长的需求。

一种方法是使用光来代替电子设备，这使得使用不同波长来表示不同数据集的多重计算可以并行进行。事实上，在2021年发表在《自然》杂志上的突破性工作中，许多相同的作者展示了一种集成光子处理芯片，它可以以远远超过最快的电子方法的速度进行矩阵向量乘法(人工智能和机器学习应用的关键任务)。这项工作导致了光子人工智能公司——卓越实验室(Salience Labs)的诞生，该公司是从牛津大学(University of Oxford)剥离出来的。

现在，该团队更进一步，在他们的光子矩阵矢量乘法器芯片的处理能力上增加了一个额外的平行维度。这种“高维”处理是通过利用多个不同的无线电频率对数据进行编码来实现的，将并行性提高到远远超过以前实现的水平。

作为一个测试案例，该团队将他们的新硬件应用于评估心脏病患者心电图猝死风险的任务。他们能够成功地同时分析100个心电图信号，识别出猝死的风险，准确率为93.5%。

研究人员进一步估计，即使是6个输入× 6个输出的适度缩放，这种方法也可以超越最先进的电子处理器，在能源效率和计算密度方面有可能提高100倍。该团队预计，通过利用更多的光自由度，如偏振和模式复用，未来将进一步提高计算并行性。

牛津大学材料系的第一作者Bowei Dong博士说:“我们之前认为使用光而不是电子设备只能通过使用不同的波长来增加并行性，但后来我们意识到使用无线电频率来表示数据开辟了另一个维度，为新兴的人工智能硬件提供了超高速并行处理。”

领导这项工作的牛津大学材料系教授、Salience Labs联合创始人哈里什·巴斯卡兰(Harish Bhaskaran)说:“这是一个激动人心的时刻，可以在基础规模上研究人工智能硬件，这项工作是我们如何进一步超越极限的一个例子。”