“太极”光芯片。受访者供图

■本报见习记者 杜珊妮 记者 孙滔

近日，清华大学电子工程系副教授方璐带领课题组成员，与中国工程院院士、清华大学自动化系教授戴琼海课题组组成交叉研究团队，在智能光计算芯片领域实现突破。相关成果发表于《科学》。

他们首创干涉-衍射分布式广度光计算架构，研制出全球首款大规模通用智能光计算芯片“太极”。其系统级能效为每秒每焦耳160万亿次运算，超越主流商用人工智能芯片3个数量级，为后摩尔时代高性能智能计算开辟了新路径。

“太极”芯片首次赋能智能光计算，实现超过1000个类别的自然场景图像分类以及跨模态内容生成等智能任务，可为人工智能大模型、智能无人系统、通用人工智能等提供强有力的算力支持。

一加一大于二

光具备传播速度快、表征维度多、计算功耗低等物理特性。智能光计算成为新一代人工智能的国际交叉前沿，拥有广阔的应用前景。

研究团队针对大规模通用智能光计算难题，摒弃了现有光计算沿用传统电子深度计算的范式，提出分布式广度计算架构，构建深度浅但宽度广的光神经网络，整体架构可重构、可复用。

与传统的深度计算层层堆叠的方法不同，“太极”通过将复杂的智能任务化繁为简，拆分为多通道、高并行的子任务，为子任务单独组织集群、分配计算资源，从而实现复杂任务的高效处理。

受“易有太极，是生两仪”的中国传统哲学理念启发，研究团队以光的干涉和衍射表征“两仪”建立了干涉-衍射联合传播模型。

“通过融合干涉的灵活可重构特性和衍射的大规模高并行特性，以辩证统一的理念实现干涉-衍射智能光计算。这种统一使得‘太极’光芯片不仅具有可重构的通用计算能力，也具备高通量并行计算能力，实现‘一加一大于二’的效果。”论文共同第一作者、清华大学电子工程系博士生徐智昊解释说。

最古朴的思路

研究初期，团队沿用电子计算的深度学习架构来构建大规模智能光计算，然而，推进了半年就遇到瓶颈——随着层数的增加，计算规模与计算精度产生了不可调和的矛盾。

“过去，我们构建网络结构大多沿用电计算架构，却发现光的优势和潜力无法在电的架构中发挥出来，如同笼中困兽。通过理论建模和分析，我们发现是电的架构‘囚禁’了光的能力。也就是说，现有的深度神经网络架构并不适合智能光计算。”方璐在接受《中国科学报》采访时说。

为了突破瓶颈，研究团队决定走出固有电架构思维的舒适区，寻求新的架构突破。于是，他们将目光投向上世纪八九十年代，甚至更早期有关机器学习、神经网络的经典研究成果。在这些可能被遗忘的成果中，他们通过重新审视和借鉴，终于找到摆脱当前困境的关键，即回到最古朴的思路——做宽、做浅。

在方璐看来，回顾经典也是回归科研的初心，放下对潮流的盲从。这种坚守初心的态度使得研究团队能够不受时代局限和潮流的影响，始终保持对科学问题本质的关注和热情，从而发现新思路、提出新理论。

“太极”光芯片的诞生是交叉学科合作的结晶，其中脑科学研究为“太极”光芯片的架构研发提供了重要思路。有脑科学研究提出“浅脑理论”，即大脑以浅层扁平架构形成大规模的并行计算单元。从感知到运动，甚至意识，各脑区都在这个浅层网络中发挥着重要作用。“脑科学的系列成果给我们的研究带来了很多启发。”方璐补充说。

“苦熬”芯片

然而，推翻构架仅仅只是开始。接踵而至的是另一个艰巨的挑战——芯片研制。

“太极”光芯片是研究团队历时3年、历经无数次失败后收获的成果。

在芯片研发的漫长征程中，流片是一个至关重要的里程碑，它标志着研究团队将理论概念转化为实际可制造的芯片。对于方璐及其研究团队来说，这个阶段既充满期待，又充满焦虑。

“流片周期通常需要3到6个月，等待芯片加工完成是一件很焦灼的事。团队既希望芯片快点进入下一阶段的测试，同时又担心流片的效果不好。效果不好意味着要从头再来一遍，时间成本会很高。”方璐说。

研究团队第一次流片时等待了4个月，结果不尽如人意。他们不得不从零开始，重新审视每一个细节，寻找可能存在的问题。经过两个月的调整和优化，他们又等了6个月。第二次流片结果被送回时，团队成员终于露出开心的笑容。在这项研究中，“太极”光芯片的实验成果是团队成员共同“苦熬”出来的。

“为了让实验结果达到理论仿真的预期，我们不断调整和优化实验系统。每一次实验都是一个漫长而烦琐的过程。类似的过程重复上演了百余次。研究团队的目标是使千分类智能任务的准确率达到90%，我们最终以超出预期的结果打赢了这场‘持久战’。”徐智昊告诉《中国科学报》。

挑战传统

2023年9月，团队第一时间向《科学》编辑部投稿。一个多月后，研究团队收到了第一轮审稿意见。

“审稿人对‘太极’光芯片的架构思路产生了意见分歧。因为深度学习发展至今，深度神经网络已经成为主流的智能计算架构。”方璐说。

但研究团队坚持自己的观点，用更多的理论和实验证据说服了审稿人。第二轮审稿结束后，论文被《科学》顺利接收。

今年是方璐从事科学研究的第17年。她本科毕业于中国科学技术大学，博士毕业于香港科技大学。大规模光电智能计算是方璐团队一以贯之的研究目标，整个团队为实现这一目标制定了纵向并行、横向联网的路径规划。

“团队成员有各自独立的研究问题，在并行探索的同时，彼此之间也会进行交叉合作，开展原创思想的交流碰撞。‘路漫漫其修远兮’，研究团队将不忘初心，在大规模智能光计算的路径上持之以恒地探索。”方璐补充说，“目前，我们正在搭建芯片的应用系统，为产业化提供可行的方案。”

相关论文信息：

https://doi.org/10.1126/science.adl1203