光学AI芯片新玩家——Luminous Computing

最近，比尔·盖茨等人(包括Uber的CEO和Co-founder)投资了光学AI芯片初创公司Luminous Computing，该公司获得了900万美金的投资，具体细节可参看CNBC的报道https://www.cnbc.com/2019/06/03/bill-gates-and-travis-kalanick-invest-in-ai-chip-start-up-luminous.html。小豆芽查阅了一些相关的文献，借助这篇笔记简单介绍下Luminous Computing的光学AI芯片技术。

Luminous公司的CTO Mitchell Nahmias毕业于Princeton大学，其PhD期间的主要工作就是光学AI芯片的研究。他们所采用的方案不是基于Mach-Zehnder干涉器，而是称为Broadcast and Weight方案(以下简称B&W方案)。其原理框架图如下图所示，

（图片来自文献1）

输入信号编码在不同的波长上，经过微环型光学滤波器的作用，每个波长的强度受到调制，该过程对应于乘法运算。随后，光信号在探测器处被探测，转换为光电流，该过程对应于加法运算。该电流作为激光器的注入电流，使得激光器处产生对应的光信号输出，用于连接下一个神经元，该过程对应于非线性激活函数。下图为具体的光路结构图。目前B&W方案已经实现了2个神经元、4个权重的演示。

（图片来自文献2）

与Mach-Zehnder型方案(基于硅光芯片的深度学习)相比，主要区别有以下几点：

1）Mach-Zehnder型方案中，没有发生光电转换过程，而B&W方案中发生了两次光电转换过程，探测器处O->E, 激光器处E->O。

2) Mach-Zehnder型方案基于光场的干涉，因此其对相位敏感。而B&W方案是一种非相干方案，信号加载在光的强度上，因此对相位不敏感。

3）Mach-Zehnder型方案采用单个波长，而B&W方案必须采用多个波长。

4）B&W方案采用微环作为可调谐滤波器，其芯片尺寸大大缩小，功耗减小。

Luminous Computting公司的官网https://www.luminouscomputing.com/ 非常简单，只有一页文字介绍 。最近光学AI芯片的进展比较多，光学实现AI的主要优势是速度快和能耗小。下图比较了光学与电学AI芯片的能耗与计算密度。光学AI芯片初创公司都得到了科技巨头公司的投资，这在一定程度上论证了该方案的优势与可行性。小豆芽会持续关注这一领域的进展。

（图片来自文献1）

文章中如果有任何错误和不严谨之处，还望大家不吝指出，欢迎大家留言讨论。

参考文献：

1. H. Peng, et.al., "Neuromorphic Photonic Integrated Circuits"

2. B. J. Shastri, et.al., "Principles of Neuromorphic Photonics"