据中国激光杂志社网,于2023年12月19日报道,在郝跃院士的悉心指导下,项水英教授团队自主研制DFB-SA光子集成神经突触芯片,成功模拟了生物神经元的内在可塑性,提出光电异构脉冲卷积神经网络软硬协同计算架构,完成卷积脉冲神经网络硬件与算法协同,实现了MNIST分类,准确率87%。
研究背景
脑科学与类脑智能是世界各国争相抢占的前沿尖端科技制高点。人工智能、5G/6G、大数据、自动驾驶和物联网等新兴领域的快速崛起和蓬勃发展带动了全球数据的爆炸式增长。为破解“冯诺依曼”架构导致存储墙效应造成能效低,电子处理器面临速率和能效瓶颈和难题,创新发展光子类脑计算是一条有效的途径。光子类脑计算是聚类脑计算、人工智能与光电芯片等多学科交叉前沿。发挥光子计算具有的高速、宽带和多维度优势,在光子神经网络加速器、光子智能芯片、无人驾驶、边缘计算等方面具有巨大的潜在应用价值,有望推动新一轮产业革命。
近年来,光神经网络朝着大规模、可重构、高速率、低功耗等方向发展,目前仍处于发展的起步阶段,尤其是亟需突破光域非线性计算难题。
研究亮点
针对光神经网络非线性计算难题,在郝跃院士的悉心指导下,项水英教授团队自主研制DFB-SA光子集成神经突触芯片,成功模拟了生物神经元的内在可塑性。在固定外部突触权重的条件下,仅通过调谐DFB-SA的增益电流,即可实现可控的类神经元非线性响应(包括时域积分、阈值激发及不应期), 单通道非线性脉冲激活速率达到2 GHz(比生物脉冲神经元响应速率快7个数量级),单脉冲能耗19.99 pJ。通过将权重映射到DFB-SA的增益电流,基于单个DFB-SA芯片即可同时实现非线性脉冲激活并对激活脉冲实现线性加权,提供了一种全功能神经形态计算光芯片。
在此基础上,成功研制4通道DFB-SA阵列芯片,提出光电异构脉冲卷积神经网络软硬协同计算架构,在光域实现基于脉冲机制的2×2矩阵卷积,完成卷积脉冲神经网络硬件与算法协同,实现了MNIST分类,准确率87%,为单片集成大规模光脉冲神经网络的硬件实现奠定了重要基础。
所报道的DFB-SA光子集成神经突触芯片,能同时完成脉冲神经网络的线性与非线性计算,具有低功耗、高速率、易于单片集成等特点,适用于大带宽、高速率、低延迟等应用场景,为实现集成化深度光脉冲神经网络芯片奠定了器件基础,有望在数据中心、边缘计算、自动驾驶等应用中发挥其独特的竞争力。
该研究合作单位还包括甬江实验室、西安邮电大学、中国科学院半导体研究所、南通大学、南京大学、西湖大学、曦智科技等。该工作以“Photonic integrated neuro-synaptic core for convolutional spiking neural network”为题发表在Opto-Electronic Advances (光电进展)2023年第11期。
研究团队简介
项水英,西安电子科技大学教授,国家级青年人才计划入选者,主要研究方向为光神经形态计算与光脉冲神经网络,从基础理论、关键技术,到集成芯片与核心算法,开展了一系列前沿探索工作。主持国家重点研发计划项目、国家自然科学基金(优青+2面上),KJW前沿探索项目等多项研究项目。近年来以第一/通信作者在Optica, Opto-Electronic Advances, Laser &Photonics Reviews,IEEE Transactions on Neural Networks and Learning Systems, Photonics Research等国际主流期刊发表论文100余篇(中科院1区及2区60余篇),申请或授权专利20余项,撰写光类脑计算及光电芯片领域邀请综述3篇,应邀讲授光子学公开课《光神经形态计算与光脉冲神经网络》。