清华大学，最新Nature！

清华这篇Nature，团队阵容超强！

戴琼海，自动控制学家，中国工程院院士，中国发明协会会士，清华大学自动化系教授，清华大学生命科学学院兼职教授，清华大学信息科学技术学院院长。 2005年获得国家杰出青年科学基金资助；2010年担任973项目首席科学家；2014年入选国家“新世纪百千万人才工程”；2017年当选为中国工程院院士；2020年被聘任为国务院参事，长期致力于立体视觉和计算摄像理论、关键技术研究与人才培养。

方璐，清华大学电子工程系副教授，26岁博士毕业，被评为博士生导师，2021获得达摩院青橙奖，2022年以通讯作者身份发《Nature》。

乔飞，清华大学自动化系副教授，作为每刻深思团队的核心成员，获得由产业基金旷沄基金、SEE Fund、龙鼎资本、中阳融正基金和老股东AMINO Capital丰元资本投资的近亿元Pre-A轮融资。此前，每刻深思曾获得来自力合创投和丰元资本的天使轮投资。

吴嘉敏，90后，清华大学助理教授，2022年获得达摩院青橙奖、入选麻省理工科技评论亚太区“35岁以下科技创新35人”，2022年以第一作者身份发《Nature》。

时隔一年，再发Nature！

清华大学吴嘉敏助理教授、乔飞教授、方璐教授和戴琼海院士提出了一种结合电子和光计算的全模拟芯片（ACCEL）。它的系统能效为每瓦每秒 74.8 千万次运算，运算速度为每秒 4.6 千万次运算（99% 以上由光学实现），比最先进的运算处理器分别高出三个和一个数量级以上。在应用衍射光学计算作为特征提取的光学编码器后，光感应光电流可直接用于集成模拟计算芯片的进一步计算，而无需模数转换器，从而实现了每帧 72 ns 的低计算延迟。通过对光电计算和自适应训练的联合优化，ACCEL 在Fashion-MNIST、3 级 ImageNet 分类和延时视频识别任务的实验中分别实现了 85.5%、82.0% 和 92.6% 的极具竞争力的分类准确率，同时在弱光条件下（每帧 0.14 fJ μm-2）表现出卓越的系统鲁棒性。ACCEL 可广泛应用于可穿戴设备、自动驾驶和工业检测等领域。相关研究成果以题为“All-analog photoelectronic chip for high-speed vision tasks”发表在最新一期《Nature》上。

【背景】

深度学习是一种计算方法，使计算机能够使用人工神经网络从示例和以前的经验中学习，人工神经网络可以训练系统来识别数据集中的模式和关系，其过程类似于人脑的运作方式。深度学习的一个应用是计算机视觉（例如，用于自动驾驶）：在基于视觉的任务中，来自计算机的模拟信号（任何连续变化的物理量，例如形成图像的光线）环境首先由电子传感器采样，然后转换为数字信号（将数据表示为有限集合中的离散值，例如0或1），供神经网络处理。然而，数百万个图像元素（称为像素）的模数转换需要相当长的时间并消耗大量的能量，这降低了神经网络实际实现的速度和功率效率。

光计算利用模拟光信号（即由光子组成的光波，而不是由电子组成的电流）的传播和干涉，是解决该问题的最有前途的方法之一。然而，一些缺点——例如实现大规模神经网络的复杂性及其易受噪声影响（在环境和信号检测器中）以及系统错误的可能性——降低了光学计算在实际应用中的性能，这仍然需要大量的模数转换。

图 1. ACCEL的架构

【解决方案】

研究人员设计了一种集成光电处理器（称为ACCEL），以全模拟方式利用光子形式的光和电子的优点（图1）。集成芯片包括光学模拟计算模块，利用光衍射以高度并行的方式从高分辨率光场中提取信息。利用光电效应将光学模拟计算模块输出的光转换为电流，从而能够构建复杂的网络结构，从而提高任务性能。然后，电子模拟计算模块分析光产生的电流，而无需将模拟信号转换为数字信号。电子电路的灵活性（在该芯片中比光学电路更容易操作）使他们能够开发出一种自适应且可重新配置的训练方法，可以补偿全模拟计算系统中的错误。这对于提高实践中的表现至关重要。

图 2. ACCEL的实施

图 3. ACCEL性能的数值评估

【性能评估】

ACCEL能够识别和分类视觉数据集中的对象，例如手写数字、衣服和草书，其分类精度可与数字神经网络相媲美。此外，该芯片可以在约72纳秒的时间内对日常生活各种场景的高分辨率图像进行分类，并且需要的能量不到5纳焦耳，这比顶级图形快3000倍以上，能耗低4000000倍处理单元。最后，该芯片可以直接与不相干光源（发射具有不同频率、波长和相位的光束）一起使用，例如手电筒，从而在日常生活中提供广泛的实际应用。

图 4. ACCEL用于图像分类的实验结果

图 5. ACCEL对于延时任务（视频判断）的实验结果

图 6. ACCEL处理时间和能耗的实验测量

【未来发展方向】

具有超快模式识别能力的计算机可能会大大加快工业装配线的生产率，例如，当用于质量控制检查时，或者可以改善候选药物的筛选。该芯片的功耗可以忽略不计，为便携式系统开辟了新的视野，例如用于健康监测的可穿戴设备和手机中的永远在线系统。此外，该方法通过提供可以将模拟信号转换为数字信号的高效光电接口，对量子和光学计算技术等新兴计算架构具有广泛的影响。ACCEL可能会让这些架构比预期更快地融入人们的日常生活。

在可扩展性和多功能性方面仍有改进的空间。执行比使用数字计算技术可以实现的任务更复杂的任务的能力，以及将当前设计扩展到大型网络规模的能力，需要算法和硬件方面的进一步进步。研究人员在致力于该芯片实际应用的同时，也在研究如何使模块具有可扩展性和可编程性，以大规模生产基于模拟光子技术的智能计算系统。此外，这种架构将来可以用于各种神经网络结构，包括大型语言模型。

来源：高分子科学前沿

声明：仅代表作者个人观点，作者水平有限，如有不科学之处，请在下方留言指正！