随着对人工智能（AI）的需求在整个行业中加速，IEEE Photonics Society发表的一项新研究突出了一个有希望的硬件突破，旨在应对AI不断增长的能源和性能挑战。
这项由惠普（Hewlett Packard）实验室高级研究科学家Bassem Tossoun博士领导的研究引入了光子集成电路（PIC）平台，该平台可以重塑AI工作负载的处理方式。与依靠电子分布式神经网络（DNN）的传统基于GPU的系统不同，该新平台利用光学神经网络（ONNS），以光速运行，能源消耗大大降低。
发表在《 IEEE量子电子主题》杂志上 学习 将光子加速度作为下一代AI硬件的可扩展且可持续的替代方案。该方法着重于使用硅光子和III-V化合物半导体的混合物将光子设备直接整合到硅芯片上。
硅光子技术长期以来一直被认为是对数据繁重的应用有希望的。但是，复杂AI操作的可伸缩性仍然是障碍。 IEEE研究团队通过将硅光子学与III-V材料（例如磷化物（INP）和艾森尼甘油酯（GAAS）相结合，启用芯片激光器，放大器和高速光学成分，以有效地起作用。
Tossoun博士说：“我们的设备平台可以用作具有比当前最新技术更高的能效和可扩展性的光子加速器的构建块。”
制造工艺始于硅河畔硅（SOI）晶圆，并结合了一系列的高级步骤，包括光刻，掺杂，选择性硅和锗的生长以及IIII-V材料的模具到磁力粘结。结果是关键组件的晶圆尺度整合，例如芯片激光器，放大器，调节器，光电探测器和非挥发相位变速器，这对于构建光学神经网络至关重要。
这种集成水平使平台可以以更高的效率执行AI和机器学习工作负载，同时最大程度地减少基于电子的系统中通常看到的能量损失。
新的光子平台旨在支持运行AI工作负载的数据中心的不断增长的基础架构需求。凭借其更有效地处理密集计算任务的能力，该平台可以帮助组织在扩展AI操作时优化功率使用情况。
展望未来，研究人员看到了这项创新有助于更可持续的AI开发，有助于克服深度学习和大规模数据处理的能源需求的上升。
该研究在题为的论文中详细介绍 “用于节能AI/ML加速器的大规模集成光子设备平台” 发表在《量子电子选定主题》的IEEE杂志上。该项目反映了光子学社区中正在进行的努力，以开发与AI基础架构的未来绩效和可持续性需求保持一致的硬件解决方案。
