近日,上海交通大学电子信息与电气工程学院感知科学与工程学院杨佳苗团队和北京大学魏勋斌教授合作,在高精度光散射光电储备池计算中取得重要进展,相关成果以“Optoelectronic reservoir computing based on complex-value encoding”(基于复值编码的光电储备池计算)为题发表在中国激光杂志社高质量国际学术期刊 《Advanced Photonics Nexus》上。
研究背景
从2012年以来,针对最大的AI模型的训练,算力的消耗已经增长了30万倍,平均每100天翻一番,大大超过了摩尔定律所描述的两年翻倍的速度。为解决电子计算机算力受限问题,以光学手段物理实现电学计算的光计算逐渐成为重要手段。其中,基于光散射的光电储备池计算(ORC)是一种先进的光学神经网络,其利用光散射对光信息打散重组的机理,可光速实现数万量级神经元的矩阵乘法,在针对各种时序信号的高效处理中显示了出独特优势。然而,目前基于光散射的ORC仅使用散射光场的振幅或相位来编码信息,忽略了相干光传播中各维度信息的相互作用,限制了数据输入分辨率,影响网络计算精度。此外,网络通过光调制器、探测器以及计算机之间的较长数据通信链路实现递归训练,这对运算速度和系统稳定性的提升形成了明显的阻碍。
创新成果
针对单维度数据编码导致网络精度受限的问题,上海交通大学杨佳苗团队提出了基于复值编码的光电储备池计算新方法。该方法通过调控光场复振幅提高数据输入分辨率,引入尺度因子微调储备池动力学以获得更优的网络性能。针对数据通信链路过长导致网络速度和稳定性受限的问题,团队使用高速光网通信接口和开发专用的现场可编程门阵列构建了集成运算处理器,大幅提升了网络运算速度。
基于复值编码的光电储备池计算原理图
该研究使光电储备池的数据输入分辨率得到大幅提高,这使得在处理Mackey-Glass数据集时序预测任务时,与常规光电储备池相比,网络的归一化均方误差减少了约75%。此外,该网络还可以应用于天气时序数据分析,有效地预测了24小时内虹桥国际机场的温度和湿度数据。
提升数据输入分辨率和网络时序数据预测精度
同时,通过光路仿真与优化、运算电路板设计与开发以及集成化机械结构设计,将原本耗时的数据编码过程、数据解析过程、计算机、调制器与探测器的数据通信过程等全部迁移到所开发的专用FPGA高速运算板卡中,将运算速率提升两倍以上(至1200hz)。研究成果有望推动大规模高精度光计算的发展与落地。
光电储备池集成运算系统
研究团队
上海交通大学电子信息与电气工程学院感知科学与工程学院副教授杨佳苗和北京大学生物医学工程系、国际癌症研究院教授魏勋斌为共同通讯作者,博士生丁春旭和助理研究员邵荣君为共同第一作者,该工作是与华为技术有限公司的合作成果,工作中所用高速高精度空间光调制器由杨佳苗团队自主研发。
杨佳苗团队长期致力于光学检测/成像、光场调控、光计算等方面的科学研究,以及相关智能光电仪器设计、制造、集成等技术研发。杨佳苗以第一作者/通讯作者在《Nature Communications》《Science Advances》《Light: Science & Applications》《Laser & Photonics Reviews》《Optica》《Photonics Research》等国际著名期刊发表高水平学术论文30余篇,研究成果受到中央电视台《新闻联播》、美国物理学联合会《科学之光》《世界科技研究新闻资讯网》《科技探索网》等报道。