清華大學電子工程系方璐教授課題組

　　自動化系戴瓊海院士課題組

　　另辟蹊徑

　　首創(chuàng)了全前向智能光計算訓練架構

　　研制了“太極-II”光訓練芯片

　　實現(xiàn)了光計算系統(tǒng)大規(guī)模神經(jīng)網(wǎng)絡的高效精準訓練

　　該研究成果

　　以“光神經(jīng)網(wǎng)絡全前向訓練”為題

　　于北京時間8月7日晚

　　在線發(fā)表于《自然》期刊

　　清華大學電子系為論文第一單位，方璐教授、戴瓊海教授為論文的通訊作者，清華大學電子系博士生薛智威、博士后周天貺為共同一作，電子系博士生徐智昊、之江實驗室虞紹良博士參與了本項工作。本課題受到國家科技部、國家自然科學基金委、北京信息科學與技術國家研究中心、清華大學-之江實驗室聯(lián)合研究中心的支持。

　　Nature審稿人在審稿評述中指出“本文中提出的想法非常新穎，此類光學神經(jīng)網(wǎng)絡(ONN)的訓練過程是前所未有的。所提出的方法不僅有效，而且容易實現(xiàn)。因此，它有望成為訓練光學神經(jīng)網(wǎng)絡和其他光學計算系統(tǒng)的廣泛采用的工具。”

　　巧用對稱，助力光計算擺脫GPU依賴

　　近年間，具有高算力低功耗特性的智能光計算逐步登上了算力發(fā)展的舞臺。通用智能光計算芯片“太極”的問世便是其中的一個縮影，它首次將光計算從原理驗證推向了大規(guī)模實驗應用，以160TOPS/W的系統(tǒng)級能效為大規(guī)模復雜任務的“推理”帶來了曙光，但未能夠釋放智能光計算的“訓練之能”。

　　相較于模型推理而言，模型訓練更需要大規(guī)模算力。然而，現(xiàn)有的光神經(jīng)網(wǎng)絡訓練嚴重依賴GPU進行離線建模并且要求物理系統(tǒng)精準對齊。正因如此，光學訓練的規(guī)模受到了極大的限制，光高性能計算的優(yōu)勢仿佛被禁錮在無形的枷鎖之中。

　　在這個時候，方璐、戴瓊海課題組找到了“光子傳播對稱性”這把鑰匙，將神經(jīng)網(wǎng)絡訓練中的前向與反向傳播都等效為光的前向傳播。

　　據(jù)論文第一作者、電子系博士生薛智威介紹，在太極-II架構下，梯度下降中的反向傳播化為了光學系統(tǒng)的前向傳播，光學神經(jīng)網(wǎng)絡的訓練利用數(shù)據(jù)-誤差兩次前向傳播即可實現(xiàn)。兩次前向傳播具備天然的對齊特性，保障了物理梯度的精確計算。如此實現(xiàn)的訓練精度高，便能夠支撐大規(guī)模的網(wǎng)絡訓練。

　　由于不需要進行反向傳播，太極-II架構不再依賴電計算進行離線的建模與訓練，大規(guī)模神經(jīng)網(wǎng)絡的精準高效光訓練終于得以實現(xiàn)。

　　高效精準，智能光訓練事事可為

　　以光為計算媒介，以光的可控傳播構建計算模型，光計算天然具有高速和低功耗的特性，利用光的全前向傳播實現(xiàn)訓練能夠極大的提升光網(wǎng)絡訓練的速度與能效。

　　論文研究表明，太極-II能夠對多種不同光學系統(tǒng)進行訓練，并在各種任務下均表現(xiàn)出了卓越的性能。

　　大規(guī)模學習領域：突破了計算精度與效率的矛盾，將數(shù)百萬參數(shù)的光網(wǎng)絡訓練速度提升了1個數(shù)量級，代表性智能分類任務的準確率提升40%。

　　復雜場景智能成像：弱光環(huán)境下(每像素光強度僅為亞光子)實現(xiàn)了能量效率為5.40×10^6TOPS/W的全光處理，系統(tǒng)級能效提升6個數(shù)量級。在非視域場景下實現(xiàn)了千赫茲幀率的智能成像，效率提升2個數(shù)量級。

　　拓撲光子學領域：在不依賴任何模型先驗下可自動搜索非厄米奇異點，為高效精準解析復雜拓撲系統(tǒng)提供了新思路。

　　太極-II的面世，繼太極I芯片之后進一步揭示了智能光計算的巨大潛力。

　　如兩儀分立，太極I和II分別實現(xiàn)了大規(guī)模智能光計算的高效推理與訓練;

　　又如兩儀調和，太極I和II共同構成了大規(guī)模智能計算的完整生命周期。

　　方璐表示：“‘定兩儀太極之道，合正反乾坤之法’，我們這樣形容太極系列這一組辯證協(xié)作架構，我們相信，它們將合力為未來AI大模型注入算力發(fā)展的新動力，構建光算力的新基座”。

　　在原理樣片的基礎上，研究團隊正積極地向智能光芯片產(chǎn)業(yè)化邁進，在多種端側智能系統(tǒng)上進行了應用部署。

　　可以預見，經(jīng)過太極系列在內的光計算領域的不懈努力，智能光計算平臺將有望以更低的資源消耗和更小的邊際成本，為人工智能大模型、通用人工智能、復雜智能系統(tǒng)的高速高能效計算開辟新路徑。