日本KDDI综合研究所和早稻田大学为实现AI运行的低功耗和高速化，成功试制出了面积为传统产品约1/17的用于光子AI加速器的硅光子电路，并成功预测出了时序数据。为了使光子AI加速器应用于各种场景，双方将继续探索和扩展光子电路的构造及规模，确立相比于GPU基础的AI加速器，功耗低至1/10，更加高速的光子AI芯片基础技术。相关论文被在美国圣何塞召开的光电子学综合国际学术会议CLEO 2023（The Conference on Lasers and Electro-Optics）所接收，并于5月8日在大会上发表。
新旧光子电路对比（供图：KDDI综合研究所）
运行最先进的AI需要庞大数量的计算机，所以降低耗电和提高处理速度是目前面临的课题。通常使用的AI在电子电路上运行。
对此，以光子电路代替一部分计算的光子AI加速器在降低功耗方面效果显着，并且可以提升学习和推论的速度，有望解决AI所面临的课题，因此相关研发十分火热。
其中，在硅上形成的光子电路不仅容易与电子电路及其他光学元件集成化，还有望实现小型化。然而，光子加速器要想投入实际应用，还需要使其易于大规模集成，因此需要进一步小型化。
此次双方研发的面积为传统产品1/17的光子AI加速器用硅光子电路，是在硅上试制的面积为0.25毫米×0.92毫米的光子电路。为了比较其性能，用其预测作为标准任务的Santa Fe波形，结果发现，正确数据和预测数据的误差非常小，证明了其结构的有效性。
此前的研究的在硅上形成的光子电路中，为了运行AI模型之一的储备池计算（Reservoir Computing），需要将现在的信息和过去的信息混合，采用以下任意一种结构。
第一种是利用信号形成的网络状的光子电路，将现在和过去的信息多次混合的结构。为了实现有效的混合时机，需要确保网络节点之间的距离，从而导致元件面积增加（16平方毫米）。如果要增加神经元的数量（神经细胞数），则需要更大的面积。
第二种是长螺旋状多模光波导结构。利用多模光波导可大量存在，并以不同速度传播的光波的特性，为了混合现在和过去的信息，需要较长（约4厘米）的光波导。即使将其容纳在螺旋状结构中，也需要大约2mm×2mm的面积。
研究团队在设计时，与上述第二种结构相比，将波导宽度扩大2倍，且通过用蛇形波导结构调整长度，在产生多个以较短波导长缓慢传播的光波（高次模式）的同时，通过加速信号，使现在和过去的信息能够充分混合。
原文：《科学新闻》
翻译：JST客观日本编辑部
