如果你在网上搜索“2024年十大颠覆性科技突破”等关键词榜单，会发现不管由谁来统计，有个名字大概率会像个“钉子户”嵌在了榜单上——清华团队太极智能光计算芯片。

近年间，具有高算力低功耗特性的智能光计算逐步登上了算力发展的舞台。由中国科学院院士、清华大学戴琼海教授和副教授方璐领导的团队，去年11月创造性地提出了光电融合全新计算框架，研制出全球首个全模拟光电智能计算芯片（ACCEL），然后在今年4月又首创了干涉—衍射分布式广度光计算架构，也就是第一代的太极光芯片（Taichi），先后发布在《自然》《科学》两大顶级期刊上。

而只历经4个月后，清华大学的光芯片就已经迅速进化到第二代——世界上第一款全光学AI芯片“太极－Ⅱ”，其能效已经超过英伟达著名的H100。这不仅仅是技术上的突破，更可能是一种新的计算范式的开始，甚至可能彻底改变计算机的设计和构建方式，此项研究已发表在8月7日的《自然》杂志上。

审稿人对“太极－Ⅱ”光芯片的研究成果给予了高度评价，认为“本文中提出的想法非常新颖，此类光学神经网络（ONN）的训练过程是前所未有的。所提出的方法不仅有效，而且容易实现。因此，它有望成为训练光学神经网络和其他光学计算系统的广泛采用的工具。”

图源：《自然》杂志官网

“太极－Ⅱ”光芯片的创新之处在于其全前向智能光计算训练架构，这一架构利用空间对称性和洛伦兹互易性，消除了反向传播的需求，通过光子传播对称性，将神经网络训练中的前向与反向传播都等效为光的前向传播，从而实现了数据－误差两次前向传播即可完成训练的高效过程。

其原理如下：

将光学系统参数化，映射到神经网络上。

利用空间对称性和洛伦兹互易性，实现数据传播和误差传播的精准对齐。

基于测量数据/误差传播的输出光场计算梯度，并进行参数更新。

图源：《自然》杂志官网

据论文第一作者、电子系博士生薛智威介绍，在太极-II架构下，梯度下降中的反向传播化为了光学系统的前向传播，光学神经网络的训练利用数据－误差两次前向传播即可实现。两次前向传播具备天然的对齐特性，保障了物理梯度的精确计算。由于不需要进行反向传播，太极-II架构不再依赖电计算进行离线的建模与训练，大规模神经网络的精准高效光训练终于得以实现。

在测试试验中，研究人员成功地在太极－Ⅱ架构下，使用全前向模式（FFM）学习训练了非常深的光神经网络（ONN），达到了目前同类网络中的最佳性能，在多个领域表现出色：一是能以衍射极限的分辨率，实现全光学聚焦。二是能够以每秒超过1000帧的速度并行处理影像，即使是隐藏在视线之外的物体也能进行成像。三是可以在低至每像素不足一个光子的强度下进行处理，显示出极高的能量效率。

这意味着“太极－Ⅱ”光芯片，不仅仅是技术上的突破，更可能标志着一种新的计算范式的开始。

简单来说，太极－Ⅱ有望打破摩尔定律，发展成可自我学习、自我改进的光芯片，让科学家们可以用光子，而不是电子制造出更强大、更省电的人工智能系统，甚至可能改变我们设计和构建计算系统的根本方式。

新闻来源：清华大学官网