江苏龙网

  1. 首页 > 人文 > >

光子算数白冰：详解光子AI芯片落地进展与研发路径｜GTIC2020( 三 )


更多的 ， 其行业特征特别像光模块 ， 它的行业拓展是小芯片、大组装 ， 其封装和组装成本占整个的70% ， 是一个系统工程 。 更主要的 ， 要做软硬系统的匹配 ， 同时硬件要做到光与电的协同 ， 其中包括一些算子、标定的东西并涉及到一些关键技术 。
最核心的 ， 要做适合光学做的算法 ， 算法先行 ， 硬件跟进 。 目前市面上的传统算法不太适合光学芯片去执行 ， 计算机发展这么多年 ， 一直是软和硬耦合在一起发展 ， “硬”一直是数字芯片 ， 所以算法里嵌了很多数字芯片的基因 ， 用光学硬件很难加速 。
光子算数白冰：详解光子AI芯片落地进展与研发路径｜GTIC2020文章插图
因此首先要开发适合光学做的算子 ， 给光学算子配一些数字算子 ， 去组成完整的算法 ， 然后来分析光电混合算法的运算和访存特征 ， 再之后再设计硬件 ， 如何给算法加速 。
“这是我们做的核心关键思路 ， 这也是为什么很多公司目前做不出来的原因 。 ”白冰说 。
四、适配光学计算的算法示例那么 ， 哪些算法适合用光学计算去处理呢？
白冰举了些例子 ， 比如光学随机投影 ， 用光学芯片物理实现无需复杂精确控制 ， 加工容差大、一致性要求低 。 该方案有循环的效果 ， 不是卷积 ， 而是对数据直接进行维度的变化 ， 直接能做非线性的处理 ， 比如升维或压缩这样 。
光子算数白冰：详解光子AI芯片落地进展与研发路径｜GTIC2020文章插图
例如对平面上的目标进行分类 ， 用一条曲线可以把它分开 ， 曲线是比较复杂的 ， 算法里面可能对应很多层 ， 在处理之前 ， 可以将数据扔到光学芯片里 ， 做一个升维操作 ， 数据从二维空间变到三维、四维空间 ， 多了Z轴 。 这个投影用光学做的话没有代价 ， 在电里面用一个线性的平面就可以把两类目标区隔开 ， 可以把十层的网络压缩到两层 ， 这样就是投影变换 ， 光学芯片会有内部的架构 。
光子算数把光学函数和数字算子组成了关键的光电混合算法 ， 经尝试 ， 至少可以跟市面上主流的算法做更新 。
光子算数白冰：详解光子AI芯片落地进展与研发路径｜GTIC2020文章插图
比如基于光学随机投影做目标识别迁移学习时 ， 后半部分进行重新训练 ， 算法训练量还是很大的 。 其实可以不走绿色部分 ， 直接在蓝色块用光学芯片做预处理 ， 后面加简单的线性层 ， 就可以完成任务 ， 做一个维度的升维变化 。
光子算数白冰：详解光子AI芯片落地进展与研发路径｜GTIC2020文章插图
再比如训练时 ， 通常会用BP ， 连续求导会有梯度消失或爆炸的问题 ， 另外训练量也比较大 。 用光学做 ， 可以直接将输出层Loss通过光学随机投影直接回传到不同的权重层 ， 每层并行独立更新权重 ， 这样可以做并行训练处理并且避免了连续求导的过程 。
尽管这一领域相对早期的 ， 主要面向特定化的市场 ， 但可以看到 ， 它已在某些领域有些成熟化的产品出现和得到应用 。 由于当前光学芯片主要作为协处理器 ， 光子算数也在持续地与做电学芯片的大厂积极沟通合作 。
【光子算数白冰：详解光子AI芯片落地进展与研发路径｜GTIC2020】以上是白冰演讲内容的完整整理 。 除白冰外 ， 在本届GTIC 2020 AI芯片创新峰会期间 ， 清华大学微纳电子系尹首一教授 ， 比特大陆、地平线、黑芝麻智能、燧原科技、壁仞科技、知存科技、亿智电子、豪微科技等芯片创企 ， 全球FPGA领先玩家赛灵思 ， Imagination、安谋中国等知名IP供应商 ， 全球EDA巨头Cadence ， 以及北极光创投、中芯聚源等知名投资机构 ， 分别分享了对AI芯片产业的观察与思考 。 如感兴趣更多嘉宾演讲的核心干货 ， 欢迎关注芯东西后续推送内容 。


推荐阅读


上一篇：华为WATCH GT2 Pro系列三大款式你选谁？

下一篇：AI从业必看！英伟达GTC China大会最新干货