（原标题：初创公司开发了一款光学NPU）

若是您但愿不错经常碰面，接待标星储藏哦~

开端：试验来自eejournal，谢谢。

行使基于光子学的技巧进行“光速狡计”有昭彰的劝诱力——不单是是极高的速率，尽管这诚然很伏击，而且与基于晶体管逻辑的狡计末端比较，其功耗也极低。

往时几年，我战役过几家提供各样光学狡计处罚决策的公司。但到刻下为止，这些处罚决策主要波及将不同频率和相位的多束光注入光纤，并行使过问进行复杂的狡计，若是用硅片进行这些狡计，则需要多数晶体管。

好吧，我刚刚战役到光学狡计界限的一些崭新事物。我和Michael F?rtsch 博士聊天，他是一家名为Q.ANT的德国初创公司的首席实施官。诚然，当我说“初创公司”时，咱们需要记取 Q.ANT 配置于 2018 年，到撰写本文时也曾由去了六年。我不知谈你是如何思的，但从技巧角度来看，六年前对我来说似乎是一世之久。

浮浅先容一下布景故事，迈克尔当先从事的是狡计网站的职业，但其后以为没趣，于是他驱动学习数学和物理，临了获取了马克斯·普朗克学会的博士学位。随后，迈克尔在好意思国国度圭臬与技巧商讨所(NIST)职业了几年，还作念了一些其他职业，临了他决定重返工业界，创办了 Q.ANT。

在不绝之前，值得戒备的是，咱们（东谈主类）但愿实施的狡计量现在每三个月驾驭就会翻一番。这在多个层面上都是可怕的。

这里的一个问题是咱们实施狡计所耗尽的能量。刻下，大多数狡计都是使用基于 CMOS 技巧的硅芯片进行的。较小的晶体管比较大的晶体管耗尽的功率更少。咱们正在转向越来越小的工艺节点，其中晶体管的尺寸以纳米为单元，是以这很好 - 对吗？

问题是，咱们但愿实施的狡计量呈指数级增长，这意味着咱们需要在单个芯片上装配数百亿个晶体管。数百亿个晶体管会耗尽多数动力，而当一台服务器中有多个这么的芯片、一个机架中有多个服务器、一个数据中心腹知彼万个机架时，动力耗尽就会加重。

归根结底，咱们刻下的狡计处罚决策 (a) 远莫得达到咱们所但愿的速率，何况 (b) 耗尽太多电力。举例，迈克尔指出，他最近插手了一次超等狡计契机议和展览。他说每个机架都需要水冷。他还指出，在不久的将来，新的超标量数据中心将驱动需要我方的专用发电站——可能是袖珍模块化反映堆 (SMR) 的形貌。

Q.ANT 是一家意旨的公司。它领有来自 21 个国度的 100 多名人人，领有约 890 年的行业教养，平均年岁约为 36 岁。该公司的职业是开发光子狡计处罚决策，以应答现在东谈主工智能 (AI) 期间的两大挑战：1）束缚东谈主工智能推理和其他数据密集型应用所需的多数数据（包括复杂的数学运算）。2）权臣减少现在人人东谈主工智能数据中心所耗尽的多数电力和动力。

现在，咱们不错长远商讨 Q.ANT 的技巧，但我惦念长远商讨可能会覆盖更大的故事，是以让咱们将事情保握在相对较高的水平。让咱们从底下的图像驱动，这是基于光子学的本机处理单元 (NPU)，它缔造在公司的光赋能本机算法 (LENA) 架构上。

Q.ANT 的光子芯片是 LENA 的中枢（开端：Q.ANT）

与其他居品比较，这款光子芯片的第一个隔离在于，它遴荐薄膜铌酸锂 (TFLN) 制造而成。不雅察左侧的低损耗波导，它将引入光信号；不雅察右侧的低损耗耦合器，它将输出光信号。

中间的金色圆圈是电控光调制器。咱们不错这么交融，每个圆圈都是一个电容器的极板。通过向该极板施加电压，咱们不错调制通过调制器的光信号。多个调制器不错互连结洽使用，以末端越来越复杂的狡计。

这款 Q.ANT NPU 使用光而不是电子来实施复杂的非线性数学运算，有望末端比传统 CMOS 技巧至少高 30 倍的动力成果和权臣的狡计速率升迁。 思思看，傅里叶变换在传统狡计中经常需要数百万个晶体管，而现在只需一个光学元件就能完成。这很令东谈主振作，不是吗？

基于这一底层技巧，Q.ANT 告示推出其首款买卖居品——基于光子学的 NPU，它配备了行业圭臬的 PCI-Express（PCIe）接口，与现在现存的狡计生态系统足够兼容。

PCIe 卡上的 Q.ANT NPU（开端：Q.ANT）

嗯，这如实看起来很棒，但这项技巧到底有多好呢？我很欢娱你问这个问题，因为迈克尔共享了一张以特殊直不雅的口头“传达这个思法”的图片，如下所示。

LENA 与圭臬 GPU（开端：Q.ANT）

假定咱们试图巡视 AI 识别文森特·梵高的《星夜》。咱们使用基于 LENA 的 NPU 而不是在传统图形处理单元 (GPU) 上末端的圭臬东谈主工神经网络 (ANN) 进行巡视

上行披露一个巡视周期 (epoch) 后的圮绝。下行披露 150 个周期后的圮绝。很容易看出 Q.ANT 处罚决策有多先进。相通值得戒备的是，LENA 仅需要 0.1 百万个参数，仅实施 0.2 百万次操作，而 GPU 则需要 5.1 百万个参数和 10 百万次操作。

现在我也曾引起了你们的戒备，我会起先告诉你们刻下的情况，然后告诉你们我认为畴昔事情可能会如何发展。

刻下的情况是，上图第一张图中所示的 TFLN NPU 装配在一块原始的硅基板上——基本上即是一块莫得任何晶体管的硅片。刻下，这块基板的主要作用（诚然，除了提供遗弃物除外）是为调制器提供电容器的另一侧（我将其视为不错偏置或至少接地的“大容量电容器板”）。此外，如今，光信号通过通例光纤传入和传出该开辟。

那么畴昔会怎么呢？起先，我不错设思将铌酸锂层径直装配在功能都全的硅芯片上。在这种情况下，咱们不错在芯片顶部（战役 NPU 底面的一侧）使用金属化圈看成各个调制器电容器的名义，何况不错在 NPU 顶面上涂一层导体看成“大容量电容器板”。

其次，与使用光纤将光信号“水平”地传送到铌酸锂层的角落不同，咱们不错使用硅芯片中制造的激光二极管将光信号垂直朝上传输到 NPU 的低损耗光波导中。相通，与使用光纤拜谒从铌酸锂层的角落“水平”传出的光信号不同，咱们不错使用硅芯片中制造的光电二极管从 NPU 的低损耗光耦合器垂直接管这些光信号。

思象一下，将现在任何高端 CPU、GPU、FPGA 或 SoC（刻下仅由硅制成）与上述光学 NPU 连结洽。总计东西都将放在吞并个封装中（不比今天的封装大），在外界看来就像粗俗芯片一样。我应该指出，总计这些都只是我的臆想；这不是迈克尔说 Q.ANT 正在作念的事情，但若是我在 Q.ANT 有话要说，我会侦查这件事。

非线性网络的潜在应用不错通过 Q.ANT 技巧得到增强，从而提供更高的性能，同期耗尽更少的电量，这些应用多各样种。底下列出了一些示例。

非线性网络的示例应用（开端：Q.ANT）

我认为，对于任何参与 AI 和高性能狡计 (HPC) 的东谈主来说，这种光子处理在成果和性能方面都特殊意旨。诚然，这不全是对于我的（应该是，但事实并非如斯）。那么，你对这一切有什么想法？

如有硅光流片需求，

接待扫码，将有专东谈主对接。

https://www.eejournal.com/article/a-bold-new-twist-on-optical-computing/

半导体极品公众号保举

专注半导体界限更多原创试验

宥恕人人半导体产业动向与趋势

*免责声明：本文由作家原创。著作试验系作家个东谈主不雅点，半导体行业不雅察转载仅为了传达一种不同的不雅点，不代表半导体行业不雅察对该不雅点赞同或相沿，若是有任何异议，接待关连半导体行业不雅察。

今天是《半导体行业不雅察》为您共享的第3976期试验，接待宥恕。

『半导体第一垂直媒体』

及时 专科 原创 深度

公众号ID：icbank

可爱咱们的试验就点“在看”共享给小伙伴哦