清華“太極”光芯片：采用最古樸思路，“苦熬”而成

時間:2024-05-20來源:未知作者:佚名

近日，清華大學電子工程系副教授方璐帶領課題組成員，與中國工程院院士、清華大學自動化系戴瓊海院士課題組組成交叉研究團隊，在智能光計算芯片領域實現(xiàn)了新的突破。相關成果已于近日發(fā)表在Science期刊。

他們首創(chuàng)干涉-衍射分布式廣度光計算架構，研制了全球首款大規(guī)模通用智能光計算芯片——太極（Taichi），其系統(tǒng)級能效為每秒每焦耳160萬億次運算，超越主流商用AI芯片3個數(shù)量級，為后摩爾時代高性能智能計算開辟了新路徑。

太極芯片首次賦能智能光計算實現(xiàn)超過1000個類別的自然場景圖像分類，以及跨模態(tài)內容生成等智能任務，可為AI大模型、智能無人系統(tǒng)、通用人工智能（AGI）等提供強有力的算力支持。

在這項研究初期，團隊一度遭遇很大的困難。令研究者感慨的是，他們最終通過回顧上世紀80、90年代甚至更早期的經(jīng)典成果，突破了研究瓶頸。他們表示，正是這種追求初心的態(tài)度使得研究團隊能夠不受時代局限，不受潮流影響，始終保持對科學問題本質的關注和熱情，從而產生新的突破。

Science論文截圖

一加一大于二

光具備傳播速度快、表征維度多、計算功耗低等物理特性，智能光計算成為新一代人工智能的國際交叉前沿，擁有廣泛的應用前景。

研究團隊針對大規(guī)模通用智能光計算難題，摒棄了現(xiàn)有光計算沿用傳統(tǒng)電子深度計算的范式，提出分布式廣度計算架構，構建深度淺但寬度廣的光神經(jīng)網(wǎng)絡，整體架構可重構、可復用。

與傳統(tǒng)的深度計算層層堆疊的方法不同，太極通過將復雜智能任務化繁為簡，拆分為多通道、高并行的子任務，同時為子任務單獨組織集群、分配計算資源，從而實現(xiàn)復雜任務的高效處理。

受“易有太極，是生兩儀”的中國傳統(tǒng)哲學理念啟發(fā)，研究團隊以光的干涉和衍射表征“兩儀”，建立干涉-衍射片上聯(lián)合傳播模型。

“通過融合干涉的靈活可重構特性和衍射的大規(guī)模高并行特性，以辯證統(tǒng)一的理念實現(xiàn)干涉-衍射智能光計算。這種統(tǒng)一使得太極光芯片不僅具有可重構通用計算能力，也具備高通量并行計算能力，實現(xiàn)一加一大于二的效果。”論文共同一作、清華大學電子工程系博士生徐智昊解釋道。

太極芯片。受訪者供圖

最古樸的思路

研究初期，團隊沿用了電子計算的深度學習架構以構建大規(guī)模智能光計算，然而，推進了半年就遇到了瓶頸：隨著層數(shù)的增加，計算規(guī)模與計算精度存在不可調和的矛盾。

“過去，我們構建網(wǎng)絡結構大多是沿用電計算架構，卻發(fā)現(xiàn)光的優(yōu)勢和潛力無法在電的架構中發(fā)揮出來，如同籠中困獸。通過理論建模和分析發(fā)現(xiàn)，是電的架構‘囚禁’了光的能力，也就是說現(xiàn)有的深度神經(jīng)網(wǎng)絡的架構并不適合智能光計算。”方璐在接受《中國科學報》采訪時說。

為了掙脫瓶頸，研究團隊決定走出固有電架構思維的舒適區(qū)，尋求新的架構突破。他們將目光投向了上世紀80、90年代甚至更早期有關機器學習、神經(jīng)網(wǎng)絡的經(jīng)典研究成果。在這些可能被遺忘的想法和經(jīng)典智慧中，通過重新審視和借鑒，他們找到了突破當前困境的關鍵：回到最古樸的思路——做寬、做淺。

在方璐看來，回顧經(jīng)典也是回歸科研的初心，放下對潮流的盲從。這種追求初心的態(tài)度使得研究團隊能夠不受時代局限，不受潮流影響，始終保持對科學問題本質的關注和熱情，從而發(fā)現(xiàn)新的思路、提出新的理論。

太極光芯片的誕生是交叉學科合作的結晶，腦科學研究也為太極光芯片的架構研發(fā)提供了重要思路。有腦科學的研究提出“淺腦理論”，即大腦以淺層扁平架構形成大規(guī)模的并行計算單元。從感知到運動，甚至意識，各腦區(qū)都在這個淺層網(wǎng)絡中發(fā)揮著重要作用。“腦科學的系列成果帶給我們的研究很多啟發(fā)。”方璐補充道。

“苦熬”芯片

然而，推翻構架僅僅只是個開始。接踵而至的是另一個艱巨的挑戰(zhàn)：芯片研制。

太極光芯片是研究團隊歷時3年不懈努力，歷經(jīng)無數(shù)次失敗和挑戰(zhàn)后，所收獲的成果。

在芯片研發(fā)的漫長征程中，流片是一個至關重要的里程碑，它標志著研究團隊的理論概念將要轉化為實際可制造的芯片。對于方璐和她的研究團隊來說，這個階段充滿期待和焦慮。

“流片周期通常需要3到6個月，等待芯片加工完成是一件很焦灼的事情。團隊希望芯片快點回來，進入下一階段的測試；同時又擔心流片的效果不好。這意味著要從頭再來一遍，時間成本很高。”方璐說。

研究團隊第一次流片時，等待了4個月，結果不盡如人意。他們不得不從零開始，重新審視每一個細節(jié)，尋找可能存在的問題。經(jīng)過2個月的調整和優(yōu)化，又等了6個月，第二次流片結果送回時，團隊成員們露出來了開心的笑容。

在這項研究研究中，太極光芯片的實驗成果是團隊共同“苦熬”出來的。

“為了讓實際實驗結果達到理論仿真的預期，我們不斷調整和優(yōu)化實驗系統(tǒng)。每一次實驗都是一個漫長而繁瑣的過程。類似的過程重復‘上演’了百余次，研究團隊的目標是將千分類智能任務的準確率做到90%，最終以超出預期的結果結束了這場‘持久戰(zhàn)’。

方璐（左一）和課題組學生（中間為徐智昊）在實驗室。杜珊妮攝

挑戰(zhàn)傳統(tǒng)

2023年9月，團隊第一時間投稿給了Science編輯部。論文在3天后送審，1個多月后，研究團隊就收到了第一輪審稿意見。

“審稿人對太極光芯片的架構思路產生了意見分歧。深度學習發(fā)展至今，深度神經(jīng)網(wǎng)絡已經(jīng)成為主流的智能計算架構。”方璐說。

研究團隊堅持自己的觀點，用更多的理論和實驗證據(jù)說服審稿人。第二輪審稿結束后，他們的論文被順利接收了。

今年是方璐從事科學研究的第17年：她本科畢業(yè)于中國科學技術大學，博士畢業(yè)于香港科技大學，現(xiàn)任清華大學電子工程系長聘副教授。

大規(guī)模光電智能計算是方璐團隊一以貫之的研究目標，整個團隊為實現(xiàn)這一目標構建了縱向并行、橫向聯(lián)網(wǎng)的路徑規(guī)劃。

“團隊成員都有各自獨立的研究問題，在并行探索路徑的同時，彼此之間也會進行交叉合作，開展原創(chuàng)思想的交流碰撞。‘路漫漫其修遠兮’，研究團隊將會不忘初心，在大規(guī)模智能光計算的路徑上持之以恒地求索。目前我們正在搭建芯片的應用系統(tǒng)，為產業(yè)化提供可行的方案。”方璐補充道。

論文鏈接：

https://www.science.org/doi/10.1126/science.adl1203