智能光芯片“太极”赋能160 TOPS/W大规模通用计算

光电智能计算作为近年来新兴的计算模态，在后摩尔时代展现出远超传统硅基电学计算的通量与能效，有望解决人工智能领域的算力与功耗难题。然而，现有智能光计算面临通用传播模型不明、计算架构缺失、计算规模受限等桎梏，其计算任务往往局限于简单的字符分类、基本的图像处理等。对于亟需高算力与高能效的复杂大模型智能计算，光的高性能潜力难以施展。其痛点是光的计算优势被困在了不适合的电架构中，计算规模难以扩展，通用智能计算难以实现。

针对大规模光电智能计算难题，清华大学电子工程系方璐副教授课题组、自动化系戴琼海院士课题组，构建了智能光计算的通用传播模型，摒弃了传统电学深度计算范式，另辟蹊径，首创了分布式广度光计算架构Taichi，研制了大规模干涉-衍射异构集成芯片，实现了160 TOPS/W（每焦耳160万亿次运算）的通用智能计算，相关工作近期发表于国际顶级期刊Science。

化深为广，分布式广度光计算架构。课题组建立自顶向下的编码拆分-解码重构机制，将复杂智能任务化繁为简，拆分为多通道高并行的子任务，构建分布式‘大感受野’浅层光网络对子任务分而治之，突破物理模拟器件多层深度级联的固有计算误差。相异于电学神经网络普遍依赖网络深度以实现复杂的计算与功能，Taichi架构源自光计算独特的 ‘全连接’与‘高并行’属性，化深度计算为广度计算，为实现规模易扩展、计算高并行、系统强鲁棒的通用智能光计算探索了新路径。

图1.化“深”为“广”：Taichi分布式广度光计算架构

两仪一元，干涉-衍射融合计算芯片。以周易典籍‘易有太极，是生两仪’为启发，建立衍射-干涉传播模型，刻画衍射光计算大规模并行优势与干涉光计算灵活重构特性，提出衍射编码-干涉特征计算-衍射解码的融合计算方法，研制了干涉-衍射异构集成智能光芯片，实现片上大规模通用光计算。更进一步，受益于光的高速传播特性，将衍射编解码与干涉特征计算进行部分/整体重构复用，以时序复用突破通量瓶颈，自底向上支撑分布式广度光计算架构Taichi。

图2.两仪一元：干涉-衍射融合计算芯片

系统实测结果表明，Taichi具备879 T MACS/mm^2的面积效率与160 TOPS/W的能量效率（超现有主流商用智能AI芯片（NVIDIA A100）约2个数量级），首次赋能光计算实现自然场景千类对象识别、跨模态内容创作生成等人工智能复杂任务。Taichi在ImageNet数据集得到87.34%的百分类准确度，在Omniglot数据集得到91.89%的千分类准确度，实现了不同艺术家风格的音乐创作与纹理图像生成。Taichi将为百亿像素大场景光速智能分析、百亿参数大模型训练推理、毫瓦级低功耗自主智能无人系统提供算力支撑。通用大规模光计算从无极而至太极，以致万物化生。课题组希望Taichi可以在如今大模型通用人工智能蓬勃发展的时代，以光子之道，为高性能计算探索新灵感、新架构、新路径。

该研究工作以“大规模光芯片太极赋能160-TOPS/W通用人工智能”（Large-scale photonic chiplets Taichi empowers 160 TOPS/W artificial general intelligence）为题，发表在《科学》（Science）上。清华大学电子工程系为论文的第一单位，方璐副教授、戴琼海教授为论文的通讯作者，电子系博士生徐智昊、博士后周天贶（清华大学水木学者）为论文第一作者。

该课题受到科技部2030“新一代人工智能”重大项目、国家自然科学基金委杰青项目、基础科学中心项目，清华大学-之江实验室联合研究中心支持。