专栏名称: 材料学网

材料界最具影响力的资源共享平台！发布基础知识、新闻资讯、科技服务、数值模拟、考研考博、论文写作、招聘信息、先进设备及产业应用等，服务于中国高校、企业及科研院所的发展，以及相应科研成果的推广、转让和咨询

登顶《Science》！清华全球首款大规模“太极”光芯片：采用最古朴思路，“苦熬”而成

材料学网 · 公众号 · · 2024-05-22 20:48

正文

近日，清华大学电子工程系副教授方璐与自动化系戴琼海院士领衔的交叉研究团队，在智能光计算芯片领域掀起了一场科技革命。他们成功首创干涉-衍射分布式广度光计算架构，并研制出全球首款大规模通用智能光计算芯片——太极（Taichi）。这一成果，犹如一颗璀璨的科技明珠，在Science期刊上熠熠生辉。太极芯片系统级能效高达每秒每焦耳160万亿次运算，这一数据令人震撼，因为它超越了主流商用AI芯片三个数量级！这标志着人类正式步入了后摩尔时代，为高性能智能计算开辟了一条全新的道路。

太极芯片的问世，不仅在技术层面实现了突破，更在智能应用上展现出强大的潜力。它首次赋能智能光计算，成功实现了超过1000个类别的自然场景图像分类，并展现出跨模态内容生成等智能任务的强大能力。这一突破将为AI大模型、智能无人系统、通用人工智能（AGI）等提供强有力的算力支持，推动人工智能技术的快速发展。然而，在这项光辉成果的背后，却隐藏着研究团队无数次的尝试与挫折。在研究初期，团队一度面临巨大的困难，仿佛陷入了一片迷雾之中。但他们并未放弃，而是选择回顾上世纪80、90年代甚至更早期的经典成果，从中汲取智慧与灵感。

正是这种对科学问题本质的不懈追求和热情，使研究团队能够突破重重障碍，最终实现了这一历史性的突破。清华大学电子工程系与自动化系的研究团队用他们的智慧与勇气，为我们揭示了智能光计算芯片领域的无限可能。他们的成果不仅是对科学的一次伟大贡献，更是对人类未来的一次深刻启示。让我们期待他们在未来能够继续书写更多辉煌的篇章！

Science论文截图

一加一大于二

光，以其超快的传播速度、丰富的表征维度以及低计算功耗等物理特性，正悄然引领着新一代人工智能的革新。智能光计算，作为国际交叉前沿领域，正展现出无比广阔的应用前景。面对大规模通用智能光计算的挑战，我们的研究团队大胆跳出传统电子深度计算的框架，提出了独具特色的分布式广度计算架构。这一架构构建了一个深度浅但宽度广的光神经网络，不仅实现了整体架构的可重构、可复用，更开启了智能光计算的新篇章。

与传统的深度计算层层堆叠的方式截然不同，太极智能光计算将复杂的智能任务拆解成多个通道和高并行的子任务。每一个子任务都拥有独立的集群和计算资源，使得复杂任务的处理变得高效而流畅。这种化繁为简、并行处理的思路，正是太极智能光计算的魅力所在。值得一提的是，研究团队深受中国传统哲学理念的启发，以光的干涉和衍射来表征“两仪”，建立了一种干涉-衍射片上联合传播模型。

通过融合干涉的灵活可重构特性和衍射的大规模高并行特性，太极智能光计算实现了辩证统一的理念。这种统一不仅赋予了太极光芯片可重构通用计算能力，更使其具备了高通量并行计算能力，真正实现了“一加一大于二”的效果。清华大学电子工程系博士生徐智昊，作为论文的共同一作，解释道：“太极智能光计算不仅是对传统计算方式的革新，更是对中国传统哲学思想的一次深刻诠释。它让我们看到了光的更多可能性，也为人工智能的未来发展指明了方向。”

太极芯片。受访者供图

最古朴的思路

在研究之初，我们的团队秉持着电子计算的深度学习架构，试图构建一项引领时代的大规模智能光计算技术。然而，就在我们满怀热忱地推进了半年之际，一个严峻的挑战悄然而至：随着网络层数的不断堆砌，计算规模与计算精度之间的冲突逐渐浮出水面，仿佛是一道无法逾越的鸿沟。“以往，我们在构建网络结构时，大多循规蹈矩地沿用了电计算架构。”方璐在接受《中国科学报》采访时坦言，“但渐渐地，我们意识到光的优势和潜力在电的框架内似乎被束缚住了，就像一只被困在笼中的猛兽，无法尽情施展。

”经过深入的理论建模和分析，我们发现，正是电的架构“囚禁”了光的能力，使得现有的深度神经网络架构难以胜任智能光计算的重任。为了挣脱这一束缚，我们的研究团队决心走出固有电架构思维的舒适区，勇敢地探索新的架构突破。我们将目光投向了那些尘封已久的经典研究成果——上世纪80、90年代甚至更早期关于机器学习、神经网络的智慧结晶。在这些可能被遗忘的想法和经典智慧中，我们重新审视、汲取灵感，终于找到了突破当前困境的关键：回归最古朴的思路——做宽、做浅。在方璐看来，回顾经典不仅是对科研初心的回归，更是对盲目追随潮流的摒弃。

这种追求初心的态度使我们能够超越时代的局限，摆脱潮流的束缚，始终保持对科学问题本质的关注和热情。正是这份执着和坚持，让我们能够发现新的思路、提出新的理论。太极光芯片的诞生正是这一交叉学科合作的璀璨成果。同时，脑科学研究也为太极光芯片的架构研发提供了宝贵的思路。有研究表明，大脑以浅层扁平架构形成大规模的并行计算单元，从感知到运动，甚至意识，各脑区都在这个浅层网络中发挥着举足轻重的作用。这一“浅脑理论”为我们的研究带来了诸多启示。综上所述，我们的研究团队在智能光计算领域不断探索、突破，通过回归古朴思路、借鉴经典智慧以及跨学科合作，最终成功研发出太极光芯片。这一成果不仅彰显了我们在科研道路上的执着与坚持，更为智能光计算领域的发展注入了新的活力与希望。

“苦熬”芯片

然而，推翻旧的构架只是迈出了万里长征的第一步，接下来等待研究团队的，是一个更为艰巨的挑战——芯片研制。历经三年艰苦卓绝的奋斗，无数次的失败与再挑战，太极光芯片终于破茧而出，成为了他们汗水和智慧的结晶。在芯片研发的征程中，流片无疑是一个极为关键的转折点。它就像一座桥梁，将研究团队脑海中的理论概念与可实际制造的芯片紧密相连。

对于方璐和她的团队来说，这个阶段既充满了期待，也伴随着焦虑。因为流片的周期往往需要三到六个月，那种等待芯片加工完成的紧张与焦虑，仿佛就像是在等待一个未知的命运宣判。方璐表示：“我们既希望芯片能尽快完成加工，进入下一阶段的测试；又担心流片的效果不尽如人意。因为一旦结果不佳，就意味着我们可能要从头再来，这将是一个巨大的时间成本。

” 第一次流片，他们等待了漫长的四个月，但结果却并未达到预期。面对挫折，他们并没有气馁，而是选择从零开始，重新审视每一个细节，寻找可能存在的问题。经过两个月的调整和优化，他们再次迎来了第二次流片的时刻。这次，他们等待了整整六个月。当流片结果终于送回时，团队成员们的脸上露出了灿烂的笑容。他们知道，这一切的等待和努力都是值得的。

在这项研究中，太极光芯片的实验成果是团队共同努力、不懈奋斗的见证。为了让实际实验结果达到理论仿真的预期，他们不断调整和优化实验系统。每一次实验都像是一场漫长的马拉松，需要耐心和毅力。而类似的过程，他们重复了百余次。最终，他们的目标得以实现——将千分类智能任务的准确率做到了90%，甚至超出了预期。这场“持久战”的胜利，不仅是对他们辛勤付出的最好回报，也是对他们科研精神的最好诠释。徐智昊在接受《中国科学报》采访时感慨地说：“这一切都是我们团队共同‘苦熬’出来的，但看到现在的成果，我们觉得一切都值了。”

方璐（左一）和课题组学生（中间为徐智昊）在实验室。杜珊妮摄

挑战传统

2023年9月，我们团队怀着激动的心情，将研究成果第一时间递交给了Science编辑部。短短三天内，我们的论文便踏上了严格的审稿之旅。历经一个多月的等待，我们终于迎来了第一轮审稿意见。其中，审稿人在太极光芯片的架构思路上产生了意见分歧，他们认为深度学习领域的主流架构应为深度神经网络。然而，方璐博士坚定地表示：“我们的团队对此持有不同看法。”

面对审稿人的质疑，我们团队并未退缩，反而更加坚定了自己的信念。我们用丰富的理论和实验证据，耐心地向审稿人解释我们的观点。经过第二轮审稿，我们的努力终于得到了认可，论文被顺利接收。方璐博士是一位在科研领域耕耘了17年的杰出学者。她本科毕业于中国科学技术大学，博士毕业于香港科技大学，如今担任清华大学电子工程系长聘副教授。一直以来，大规模光电智能计算都是她团队的研究重心。

为了实现这一目标，他们精心规划了纵向并行、横向联网的研究路径。在这个团队中，每个成员都拥有独立的研究方向，他们在并行探索的同时，也积极展开交叉合作，共同碰撞出创新的火花。方璐博士表示：“研究之路漫长而充满挑战，但我们始终不忘初心，致力于在大规模智能光计算领域不断探索和突破。” 目前，团队正在全力搭建芯片应用系统，为产业化提供切实可行的方案。我们相信，在他们的不懈努力下，未来一定会取得更加辉煌的科研成果！

论文链接：

登顶《Science》！清华全球首款大规模“太极”光芯片：采用最古朴思路，“苦熬”而成

正文

请到「今天看啥」查看全文