IBM正在使用光而不是电来创建超快速计算

终止算法似乎对处理能力的无限渴望，IBM研究人员推出了一种新方法，对于深度学习应用程序可能意味着巨大的改变：处理器完全使用光而不是电来执行计算。

研究人员已经创建了一个光子张量核，该核基于光粒子的特性，能够以前所未有的速度处理数据，从而以极低的延迟提供AI应用程序。

尽管该设备仅在小规模上进行了测试，但该报告表明，随着处理器的发展，它每秒可以实现每千平方毫米的万亿次累加（MAC）操作-两倍多。作为最先进的AI处理器的科学家们依靠电信号。

IBM多年来一直致力于处理单元的新颖方法。公司的部分研究重点是开发内存计算技术，其中内存和处理以某种形式共存。这避免了在处理器和单独的RAM单元之间传输数据，从而节省了能源并减少了等待时间。

去年，该公司的研究人员宣布他们已经成功开发出一种全光学的内存处理方法：他们将内存中的计算集成在光子芯片上，该芯片使用光来执行计算任务。作为实验的一部分，该团队证明了使用该技术可以有效地执行基本的标量乘法。

在新的博客文章中，IBM Research员工Abu Sebastian分享了一个新的里程碑，现在已经使用基于光的内存处理器实现了这一新里程碑。该团队将技术推进到下一阶段，建立了光子张量核心，这是一种处理核心，可以执行复杂的矩阵数学运算，特别适合于深度学习应用。基于光的张量核心用于执行称为卷积的操作，该操作对于处理图像等视觉数据很有用。

＆＃34;我们在2019年进行的实验主要是为了展示这项技术的潜力。标量乘法与任何现实生活中的应用都相去甚远，＆＃34; IBM Research的研究人员Abu Sebastian告诉ZDNet。 ＆＃34;但现在，我们有了一个完整的卷积处理器，您可以将其用作深度神经网络的一部分。这种卷积是光学处理的杀手级应用。从这个意义上讲，这是很大的一步。

光电路比电子电路具有的最大优势是前所未有的速度。利用光学物理学，IBM开发的技术可以在单个核中并行运行复杂的操作，并且每次计算使用不同的光学波长。结合内存计算，IBM的科学家实现了超低延迟，这是电路无法匹敌的。因此，对于要求非常低延迟的应用程序，光子处理的速度可能会产生很大的不同。

塞巴斯蒂安（Sebastian）提出了无人驾驶汽车的例子，其中的检测速度可能会挽救生命。如果您以每小时100英里的时速在高速公路上行驶，而您需要在一定距离内检测到某些东西–在某些情况下，现有技术不允许您这样做那。但是，基于光子的系统所能达到的速度要比电气方法好几个数量级。＆＃34;

IBM开发的基于光的处理器具有同时执行多项操作的能力，因此所需的计算密度也要低得多。根据塞巴斯蒂安（Sebastian）的说法，这可能是另一个主要差异化因素：这位科学家表示，在汽车行李箱中装载成排的常规GPU以支持越来越复杂的AI系统将不再有用。

随着大多数大型汽车公司现在开设自己的AI研究中心，塞巴斯蒂安将自动驾驶汽车视为轻型处理器的关键应用。 ＆＃34;真正需要自动驾驶领域中的低延迟推理，并且到目前为止，还没有任何技术可以满足这一要求。这是一个难得的机会。＆＃34;

IBM的团队虽然已经成功设计并测试了一个强大的内核，但是仍然需要扩展试验以确保该技术可以在系统级别集成以确保端到端性能。 ＆＃34;我们在那里需要做更多的事情，＆＃34;塞巴斯蒂安说；但是据这位科学家说，工作已经在进行，并且随着研究的继续，只会有更多的应用出现。在计算领域，以光换电肯定会引起人们的注意。