您的位置:首页>聚焦 >

光计算芯片,革命

如果您希望可以时常见面,欢迎标星收藏哦~

光计算芯片,革命

在新型计算机的内部,一束微小的 LED 发出绿光。这些灯有自己的工作。它们在进行计算。现在,这些数学运算正在告诉计算机如何识别手写数字图像。

该计算机是微软研究项目的一部分。

该设备没有外壳。“你可以把手伸进电脑里挡住光线,”Hitesh Ballani 说。他解释说,一旦他这样做,“它就不知道自己在解决什么问题了。”

突然间,计算机不再正确地说出数字,而是吐出“随机猜测”,巴拉尼说。然后他把手拿开。现在流光再次正确计算。“看到它真的很令人满意,”他说。

Ballani 是英国剑桥微软研究院的计算机科学家。他的工作是开发这台机器,即模拟光学计算机。顾名思义,它使用光进行计算。模拟意味着它的操作与数字相反。

在数字计算机中,信号要么是 1,要么是 0。它就像一个只能打开或关闭的电灯开关。模拟信号更像是一个调光开关。完全打开和完全关闭之间的任何光强度都是可能的。

需要明确的是,光已经是数字计算的重要组成部分。光纤电缆以光束的形式在计算机之间来回传输数据。但要真正进行计算,这些计算机必须先将光转换成电能。

电子计算机已经到达极限。提高其速度和功率变得越来越困难。与此同时,人工智能等新技术需要越来越多的计算能力。巴拉尼指出,“对计算能力的需求正在激增”。这些系统也消耗越来越多的能源。

模拟光学计算机和其他新型光计算技术可能有助于满足此类需求。该技术还可以通过减少所需的能源来帮助绿色人工智能和其他新兴技术。

一些简单的数学知识

你戴眼镜吗?如果你戴,恭喜你!你有自己的光学计算机。

当场景中的光线照射到这些镜片上时,它就会变形。场景从模糊变得清晰。无论你看什么,眼镜都会计算出场景的变化。“而且他们这样做不需要任何能源成本——除了制造玻璃和弯曲它的原始成本,”查尔斯·罗克斯-卡姆斯说。他在加州斯坦福的斯坦福大学和剑桥的麻省理工学院从事光学计算工作。

镜头滤镜也会对光线进行简单的计算。透明滤镜允许所有光线通过。Ballani 解释说,这相当于将光线强度乘以一。在另一侧,你总会得到相同的强度。

黑色滤光片会阻挡所有光线,因此乘以零。有色滤光片就像一副太阳镜,只会阻挡部分光线。他解释说,这相当于“将光的强度乘以 0 到 1 之间的值”。你也可以添加光线。在智能手机相机的芯片中,许多光束的强度都落在同一个区域上,这会使图像中的那个点变亮。

乘法或加法发生在滤光片或相机芯片的整个区域。许多不同的光束会同时改变。

对大量数字进行简单运算恰好是人工智能非常重要的一部分。但在数字计算机的中央处理器 中,所有这些计算通常都是逐一进行的。这会耗费时间和能源。光学计算机可以更轻松地同时执行此类数学运算。请注意,人工智能中使用的某些专用电子芯片(称为图形处理单元 (GPU) 和张量处理单元 (TPU))也可以同时进行大量数学运算。

超智能镜片

一些新型光学计算机将眼镜或相机镜头的概念提升到一个新的水平。

艾多甘·奥兹坎是加州大学洛杉矶分校的一名工程师。他的团队设计了一种传感器,他称之为衍射光学处理器。“把它们想象成未来派的镜头,”他说。

每个处理器都有多层玻璃或其他材料,光线可以穿过这些材料。每层都包含许多微小结构。每个结构都会以不同的方式改变光线。尽管它们可以执行复杂的任务,但这些处理器不需要能量来运行。

工厂可能会用它来查找所生产产品的缺陷。

“假设我正在生产某种抗癌药物,”奥兹坎建议道。找到任何有缺陷的药物很重要,这样它们就不会被送到患者手中。几乎所有的药物都是无缺陷的。然而,如今的工厂使用计算机来处理每一批药物的图像,扫描偶尔出现的缺陷。这浪费时间和精力。

“归根结底,数据太多了,”奥兹坎说。“我们被数据淹没了。”

智能光学处理器可以改变这种情况。它可以触发相机自动检测缺陷。然后,工厂只需拍摄有缺陷的药品。

Ozcan 的团队为这项任务设计了一个光学处理器。为了测试它是否能在现实情况下发挥作用,他们用方形硅样品代替工厂可能生产的产品。硅是一种半导体材料,用于标准计算机芯片。其中一些样品上蚀刻有缺陷。工程师们必须弄清楚在处理器的各层中添加哪些微小结构,以便处理器能够发现这些缺陷。

为了实现这一目标,研究人员创建了一个虚拟光学处理器,其层中具有随机结构。他们还创建了原始硅块的虚拟模拟。然后,他们又在 20,000 多个虚拟硅块中添加了缺陷。

他们在一台普通电脑上使用机器学习来训练他们的新虚拟处理器。他们向它展示了虚拟样本。起初,它只能随机猜测是否存在缺陷。但每次成功或失误之后,处理器许多微小部件的厚度都会进行调整,以使未来更有可能得到正确答案。

最后,虚拟光穿过有缺陷的样本时的强度与穿过良好样本时的强度不同。

接下来,团队必须测试这种设计是否也能在现实世界中发挥作用。他们用3D 打印技术打印了处理器,并用一组 10 个真正的硅片进行了测试。该团队已经在其中 9 个硅片上蚀刻了缺陷。

处理器正确识别了所有有缺陷的晶圆,而忽略了正常的晶圆。Ozcan 的团队在 2023 年 10 月发表在《自然通讯》上的一篇论文中报告了这一成功。

该团队还设计了用于许多其他类型任务的光学处理器。他们最新的一款处理器具有可旋转的层。这可以帮助它加密数据。

数百万次乘法

一旦智能镜片通过 3D 打印出来,其结构就不会改变。因此,每项新任务都需要设计一个新镜片。Ozcan 指出,你可能只需要重新打印其众多层中的一两层。但它并不像当今典型的计算机那样真正可编程。

相比之下,微软的模拟光学计算机可以重新编程。但与 Ozcan 的智能镜片不同,它无法直接捕捉物体或场景发出的光。相反,它从电子数字图像文件中识别手写图像。一种称为调制器的组件通过改变系统绿色 LED 的亮度将这些电子数据转换为光。

这些 LED 现在照射到芯片上。它就像老师在教室里使用的投影仪内的芯片一样。该投影仪芯片会调亮或调暗每条光线,以进行编程所需的数学运算。

Ballani 指出:“该芯片上有 400 万像素。”这意味着“当光线穿过时,”他说,“理论上你可以 同时 进行 400 万次乘法运算。”

数以百万计的乘法不断重复发生。每个数学问题的答案都会反馈到系统中,以新的方式使灯光变亮或变暗。计算完成后,计算机将光转换回数字电子信号。这成为初始问题的答案。

所以它是一台光学/数字混合计算机。

通过 LED 和投影仪芯片循环传输的光只能执行特定类型的计算。其他类型的光则通过计算机的电子部件传输。该部件的工作原理也与普通计算机中的 CPU 截然不同。它处理模拟电信号,而不是数字电信号。

其他公司也在研究制造同时使用数字电子和光学技术的混合计算机的方法。

总部位于加州山景城的 Lightmatter 正在开发一款人工智能芯片。它采用激光进行基于光的乘法运算。所有其他类型的计算都将通过典型的电子芯片进行。总部位于波士顿的 Lightelligence 公司制造了一款名为 Hummingbird 的计算机处理器。它利用光在处理器内的不同电子元件之间快速传输数据。

教授轻松的新技巧

完全光学的通用计算机目前还不存在。这是有原因的。光子比驱动普通计算机计算的电子更难控制。

在典型的数字计算机内部,元件管理着电流的流动。这有点像控制道路上的交通流量。晶体管可以快速启动和停止电流或增加电流速率。二极管则强制电流只朝一个方向流动。

大多数类型的计算都需要这种精确的交通控制。

然而,光子却不遵循同样的规则。很难让它们停止、开始或只朝一个方向流动。“大多数光子根本不喜欢与周围环境互动,”詹妮弗·迪翁说。她是斯坦福大学的材料科学家。

控制光子通常需要体积庞大的材料,比如大磁铁。但计算机芯片却非常小。如果无法控制光在这些小尺度上的行为,“我认为我们将陷入计算的黑暗时代,”迪翁说。

值得庆幸的是,她是寻找控制光线新方法的专家。2019 年,她的团队设计了一种新型二极管。它非常小。但它可以让光只朝一个方向流动。迪翁让这种二极管的材料像磁铁一样发挥作用。

“当光子穿过材料时,感觉就像在磁场中一样,”她解释说,“因此只能朝一个方向传播。”

自 2019 年以来,她的团队一直在研究用于切换光强度的材料。“我们已经证明,我们可以以非常快的速度打开和关闭光,”她说。

她的团队已将其与新二极管结合起来。她的博士生哈米什·卡尔·德尔加多 现在计划将其开发成产品。它可能不会立即用于光学计算机。但它在数据中心可能非常有用,迪翁说。在那里,它可以帮助引导数据(以光的形式移动)在各种电子计算机组件之间移动。

迪翁说,为了在未来继续改进计算机,我们需要采用一系列不同的方法。光学显然是一种很有前途的方法。但它远非唯一。还有量子计算。以及模仿大脑运作方式的计算机。

这两种类型的量子计算机可能都会将光作为其部分操作的一部分。例如,总部位于加利福尼亚州帕洛阿尔托的 PsiQuantum 公司已经开发出一种利用单光子进行量子操作的方法。他们制造了能够产生和检测单光子的微型元件。他们还制造了控制光子的元件。

到目前为止,他们已经将数以万计的此类组件组装到餐盘大小的硅片上。该公司联合创始人皮特·沙德博特 表示,在显微镜下观察这些硅片时,有些部件看起来“有点像外星飞船”。

很多新方法层出不穷。它们共同表明光可能会改变计算的未来。

如有硅光流片需求,

欢迎扫码,将有专人对接。

半导体精品公众号推荐

专注半导体领域更多原创内容

关注全球半导体产业动向与趋势

今天是《半导体行业观察》为您分享的第3975期内容,欢迎关注。

『半导体第一垂直媒体』

实时 专业 原创 深度

公众号ID:icbank

喜欢我们的内容就点“在看”分享给小伙伴哦

声明:本网转发此文章,旨在为读者提供更多信息资讯,所涉内容不构成投资、消费建议。文章事实如有疑问,请与有关方核实,文章观点非本网观点,仅供读者参考。

热门资讯

图片新闻