光子处理器可以加速人工智能计算吗？

在当今社会，人工智能正在改变临床诊断，自动驾驶和语音翻译等各个领域。

无源传输“不需要输入功率”有助于超低功耗，相位调整为“用于改变光波的量子力学相位”，从而轻易降低和检测大于40GHz频率。

但是使用光子计算仍然具有挑战性，特别是与先进的电子处理器的规模和性能水平相当，其困难来自缺乏合适的并行计算机系统，允许人工神经元进行复杂高速非线响应材料以及可集成到计算硬件中的可扩展光学设备。

光学频率梳可以用作用于光学计算的节能电源集成到计算机芯片中，该系统非常适合通过波长复用的数据并行处理。

他们建议处理器在光电子混合框架中使用，例如在光纤通信过程中进行原位计算。

此外，原则上该系统可以根据商业制造程序大规模扩展，并有助于在不久的将来实现实时机器学习。

鉴于传统电子计算方法面临许多挑战，集成光子技术的出现可能成为实现未来计算机架构性能显着提高的潜在继任者。此外，能量效率受到固有的吸收光的计算元件以及需要频繁相互转换电信号和光信号的限制。

另一个研究路径是开发高等非线性集成光子计算系统的结构，而不是一维或二维线的积聚。通过将电子电路和成千上万或数百万个光子处理器集成到合适的系统结构中，同时使用光学和电子处理器的混合光电框架可以在不久的将来创新AI硬件的发展。

光子处理器利用光学特性可以加速人工智能计算和处理过程，同时还将引领光子计算的复兴。

他们首先利用色散为波长多路的复用光信号产生不同的时间延迟，然后将这些信号沿着与光波波长的维度进行组合。

它是一种特殊计算集成的光子硬件加速器。使用相变材料存储阵列和基于光子芯片的光学梳来实现对光子的并行计算，并且还通过各种波长和相变材料集成单元阵列模拟矩阵矢量乘法，从而使输入数据完全平行。

由于卷积过程涉及无源传输，光子处理核心计算可以在低功耗下进行。

但是全光子计算的规模仍然相对较小，由于对计算效率的影响在光学元件之间，电信号和光信号之间的转换仍需不断变化。