美國科學家在最新一期《自然》雜志發表論文稱，他們開發了首塊可擴展的基于深度神經
網絡的光子芯片，每秒可對20億張圖像進行直接分類，而無需時鐘、傳感器或大內存模塊，有
望促進人臉識別、自動駕駛等領域的發展。
模仿人腦工作的深度神經網絡現在通常為計算機視覺、語音識別等提供支持。目前數字芯
片上的消費級圖像分類技術每秒可執行數十億次計算，速度足以滿足大多數應用，但更復雜的
圖像，如識別運動物體、3D物體或人體顯微細胞分類仍面臨不少障礙。
首先，這些系統通常使用基于數字時鐘的平臺，如圖形處理單元（GPU）來實現，這將它
們的計算速度限制在時鐘頻率上，計算必須逐個進行。其次，傳統電子設備將內存和處理單元
分開，數據穿梭耗費時間。此外，原始圖像數據通常需要轉換為數字電子信號，耗時較長，而
且需要大內存單元來存儲圖像和視頻，引發潛在的隱私問題。
鑒于此，賓夕法尼亞大學電氣和系統工程副教授弗瑞茲·阿發雷托尼等人開發出一款可擴展
芯片，每秒可對近20億張圖像進行分類。這是第一個完全在集成光子設備上以可擴展方式實現
的深度神經網絡，整個芯片大小只有9.3平方毫米，消除了傳統計算機芯片中的4個主要耗時障
礙：光信號到電信號的轉換、將輸入數據轉換為二進制格式、大存儲模塊以及基于時鐘的計算。
阿發雷托尼解釋說，該芯片上的光學神經元通過光線相互連接，形成一個由許多“神經元
層”組成的深層網絡。信息通過“神經元層”傳遞，每一步都對圖像分類，使快速處理信息成
為可能，最新芯片可在半納秒內完成整個圖像分類，而傳統數字計算機芯片在同樣時間內只能
完成一個計算步驟。
研究人員表示，可通過添加更多神經層來擴展這一深層網絡，使芯片能以更高分辨率讀取
更復雜圖像中的數據。此外，任何可轉換為光的信號，如音頻和語音，都可使用這項技術幾乎
瞬間進行分類。
