光子处理器可以达到“光速”

张量处理单元(TPU)是谷歌专门为使用该公司的TensorFlow框架进行机器学习而开发的芯片。由于信号更强，能效更高，TPU的性能比图形处理器(gpu)高出近三个数量级。

机器学习在计算上是昂贵的，操作一次发生一个，同时需要持续访问缓存内存，从而产生瓶颈。虽然专门的机器学习架构(如gpu和tpu)已被设计用于减少这一瓶颈的影响，但它们仍然缓慢且耗电。

乔治华盛顿大学的一组研究人员研究了可以并行执行操作的替代平台，以减少机器学习过程中的时间和功耗。

他们尝试使用光子TPU来执行训练神经网络的基础数学运算，特别是矩阵乘法。该处理器能够通过波分复用并行执行许多操作:使用不同波长的光在单一光纤上运行多个信号。

使用这种光子处理器进行操作，由于其设计可以根据局部加热调整光学特性，因此可以实现接近零的静态功耗，并且延迟非常低。根据应用物理评论纸描述研究，高达2x10¹⁵由于电路中只有几十皮秒的延迟，运算可以每秒执行一次(每秒2千万亿次)。

该研究的合著者马里奥·米斯库利奥教授说，经过适当的设计和训练，集成光子处理器可能能够以“光速”运行。

该研究称:“该架构显示，执行时间仅受芯片中光子飞行时间的限制。”

尽管该处理器消耗了大约80W的功率，但其性能(以每焦耳的运算数计算)估计比具有类似芯片面积的传统电气TPU高出两到三个数量级。降低机器学习的能量和时间成本可以让tpu嵌入到更多的移动设备和pc中，而不必将大量数据发送到云端进行处理。

研究人员写道:“这项工作表明，光子专用处理器有潜力增强电子系统，并可能在即将到来的5G网络及以后的网络边缘设备中表现得非常好。”