近日，美国宾夕法尼亚大学的研究人员宣布成功开发出一种强大的新型光学芯片，这种芯片每秒可以处理近20亿张图像，为下一代深度学习系统提供了更快、更节能的神经网络。
据介绍，这种芯片由一个集成的端到端光子深度神经网络(PDNN)组成，不需要像内存这样会降低传统计算机芯片速度的组件。其神奇之处就在于，它处理的不是电信号，而是光的形式的信息。它使用光纤或“波导”作为神经元，这些光导线堆叠在多个层中，每个层专注于特定类型的分类。
在测试中，该团队制作了一块表面积为0.01平方英寸(9.3平方毫米)的芯片，并用它来分类一组看起来像字母的手写字符。经过相关数据集的训练，该芯片对包含两种字符的图像集进行分类的准确率达到93.8%，对包含四种字符的图像集进行分类的准确率达到89.8%。
最令人印象深刻的是，该芯片能够在0.57纳秒内对每个字符进行分类，每秒处理17.5亿张图像。该团队表示，这一速度优势源于芯片将信息换成光来处理的能力，它也因此比现有的计算机芯片多出了几个优势。总结来看，这种芯片消除了传统计算机芯片中的4个主要耗时障碍：光信号到电信号的转换、将输入数据转换为二进制格式、大存储模块以及基于时钟的计算。
首先，这种芯片依赖“传播计算”(computation-by-propagation)来处理信息，这意味着与基于时钟的系统不同，它的计算发生在光通过芯片传播的时候。其次，这一操作还跳过了将光信号转换为电信号的步骤，因为其芯片可以直接读取和处理光信号，这两方面的变化带来了一种大幅加速信息处理的技术。
另外，它还具有的一个优点是，处理中的信息不再需要存储，也就说不需要将数据发送到内存和空间，也不需要内存组件了。因此，它同时节省了时间和空间，并且会更安全，可以防止任何可能的数据泄露。
研究人员还指出，它可以做的不仅仅是分类图像。该团队表示，他们计划下一步发力扩大芯片量产的规模，并调整技术细节与参数以处理其他类型的数据。他们目前已经了解如何将众多数据类型进行转换，比如转换为电子类型(比如图像、音频、语音)、光学类型等等，并且保持高速的处理性能。