科技日报消息,清华大学自动化系戴琼海院士、吴嘉敏助理教授与电子工程系方璐副教授、乔飞副研究员联合攻关,他们研发的ACCEL光电计算芯片,在多项复杂智能视觉任务中,达到现有高性能芯片相同准确率的同时,国际首次实测算力提升三千余倍,能效提升四百万余倍,为超高性能芯片研发开辟全新路径。
相关成果发表在《自然》杂志。
相关论文(来源:《Nature》)
实现算力飞跃并非易事,特别是当前传统的芯片架构,受限于电子晶体管大小逼近物理极限。全新计算架构成为破局的关键。光计算以其超高的并行度和速度,被认为是未来颠覆性计算架构的最有力竞争方案之一。
光计算,顾名思义是将计算载体从电变为光,利用光在芯片中的传播进行计算。面对以光速计算的诱人前景,数年来海内外知名科研团队相继提出多种设计,但要替代现有电子器件实现系统级应用,仍面临重大瓶颈:
一是如何在一枚芯片上集成大规模的计算单元(可控神经元),且约束误差累计程度;
二是实现高速高效的片上非线性;
三是为兼容目前以电子信号为主体的信息社会,如何提供光计算与电子信号计算的高效接口。当前常见的模数转换功耗,较光计算每步乘加运算高出多个数量级,掩盖了光计算本身的性能优势,导致光芯片难以在实际应用中体现出优越性。
为解决这一国际难题,清华大学团队创造性地提出了模拟电融合模拟光的计算框架,构建可见光下的大规模多层衍射神经网络实现视觉特征提取,利用光电流直接进行基于基尔霍夫定律的纯模拟电子计算,两者集成在同一枚芯片框架内,完成了 “传感前 + 传感中 + 近传感” 的新型计算系统。极大地降低了对于高精度 ADC 的需求,消除传统计算机视觉处理范式在模数转换过程中速度、精度与功耗相互制约的物理瓶颈,在一枚芯片上突破大规模集成、高效非线性、高速光电接口三个关键瓶颈。
光电计算芯片ACCEL的计算原理和芯片架构(见下图)。
光电计算芯片ACCEL的计算原理和芯片架构(来源:《Nature》)
ACCEL光电计算芯片不仅成功完成了交通场景判别、高分辨率图像识别、弱光计算等实际场景中的智能视觉任务,且耗时和功耗不到目前高性能芯片的千分之一。同时,基于研发出的自适应训练算法,该芯片仅采用百纳米级工艺精度,就可取得比先进制程芯片多个数量级的性能提升,实现性能的飞跃。
实测表现下,ACCEL 芯片的系统级算力达到现有高性能芯片的数千倍。同时系统级能效达 74.8 Peta-OPS/W,较现有的高性能 GPU、TPU、光计算和模拟电计算架构,提升了两千到数百万倍。
在超低功耗下运行的 ACCEL 将有助于大幅度改善发热问题,对于芯片的未来设计带来全方位突破,并为超高速物理观测提供算力基础。同时对无人系统、自动驾驶等续航能力要求高的场景带来重大利好。
以下是ACCEL 和现有高性能芯片的系统级实测性能指标对比表格:
ACCEL 和现有高性能芯片的系统级实测性能指标对比
(来源:《Nature》)