在人工智能神經(jīng)網(wǎng)絡(luò)迅猛發(fā)展的當(dāng)下，大規(guī)模矩陣運(yùn)算與頻繁數(shù)據(jù)迭代讓傳統(tǒng)電子處理器面臨巨大挑戰(zhàn)。光電混合計(jì)算憑借光學(xué)處理與電學(xué)處理的協(xié)同集成，展現(xiàn)出強(qiáng)大的計(jì)算性能潛力，但實(shí)際應(yīng)用中卻遭遇諸多阻礙。訓(xùn)練與推理環(huán)節(jié)分離、離線權(quán)重更新等問題，導(dǎo)致信息熵劣化、計(jì)算精度下降，進(jìn)而使得推理準(zhǔn)確度不盡人意。

中國科學(xué)院半導(dǎo)體研究所科研團(tuán)隊(duì)取得重要突破。他們提出一種基于相位像素陣列的可編程光學(xué)處理單元（OPU），并運(yùn)用李雅普諾夫穩(wěn)定性理論，實(shí)現(xiàn)了對OPU的靈活編程。以此為基礎(chǔ)，團(tuán)隊(duì)構(gòu)建了端到端閉環(huán)光電混合計(jì)算架構(gòu)（ECA）。該架構(gòu)通過硬件—算法協(xié)同設(shè)計(jì)，達(dá)成訓(xùn)練與推理全流程閉環(huán)優(yōu)化，有效補(bǔ)償信息熵?fù)p失，成功打破光計(jì)算中計(jì)算精度與準(zhǔn)確度之間的緊密耦合關(guān)系。

這一創(chuàng)新架構(gòu)具備噪聲自學(xué)習(xí)機(jī)制，可實(shí)現(xiàn)光學(xué)與電學(xué)參數(shù)聯(lián)合優(yōu)化以及自適應(yīng)計(jì)算精度補(bǔ)償。實(shí)驗(yàn)數(shù)據(jù)令人矚目，采用4-bit的OPU時(shí)，在計(jì)算機(jī)視覺領(lǐng)域的經(jīng)典任務(wù)——MNIST手寫數(shù)字識別任務(wù)中，ECA的推理準(zhǔn)確率達(dá)到90.8%，與8-bit傳統(tǒng)計(jì)算架構(gòu)（TCA）的理論極限90.9%極為接近。這充分證明，光計(jì)算系統(tǒng)即便在低硬件精度條件下，也能實(shí)現(xiàn)高精度推理，為高性能計(jì)算架構(gòu)設(shè)計(jì)開辟了全新路徑。

從性能參數(shù)來看，該OPU表現(xiàn)卓越，支持30.67GBaud/s的運(yùn)算速率，具備981.3GOPS的計(jì)算能力以及3.97TOPS/mm2的計(jì)算密度。理論分析顯示，該結(jié)構(gòu)可進(jìn)一步擴(kuò)展至128×128規(guī)模，屆時(shí)計(jì)算能力將提升至1005TOPS，計(jì)算密度達(dá)4.09TOPS/mm2，能效可達(dá)37.81fJ/MAC。如此優(yōu)異的性能，使其在微波光子信號處理、光通信與神經(jīng)形態(tài)人工智能等多個(gè)領(lǐng)域展現(xiàn)出廣闊的應(yīng)用前景。