（香港文匯網記者 劉凝哲 凱雷 北京報道）記者今日從清華大學獲悉，該校電子系方璐教授課題組與自動化系戴瓊海院士課題組在智能光芯片領域取得重大進展，首創全前向智能光計算訓練架構，研製「太極-II」光芯片，擺脫了對電子GPU離線訓練的依賴，實現大規模神經網絡的原位光訓練，為AI大模型探索了光訓練的新路徑。相關研究成果在線發表於最新一期的國際學術期刊《自然》上。
人工智能大模型的迅猛發展與廣泛應用，使得算力成為重大的戰略抓手與基礎設施。長期以來電子計算芯片支撐着模型規模的不斷發展，然而電子計算架構下的高算力意味着高能耗，面臨前所未有的能源挑戰，新興智能計算範式的建立與發展迫在眉睫。智能光計算憑藉高算力低能耗的優勢，在後摩爾時代展現巨大的潛力。
據介紹，訓練和推理是AI大模型核心能力的兩大基石，智能光芯片「太極」的問世為大規模複雜任務的「推理」帶來曙光，但未能釋放光計算的「訓練之能」。現有光神經網絡的訓練嚴重依賴GPU離線建模，要求高度匹配的前向-反向傳播模型。這對光計算系統的精準對齊提出苛刻要求，致使梯度計算難、訓練規模小，禁錮了光計算的優勢。
在「太極」辯證統一思想的持續啟發下，清華大學電子工程系方璐教授課題組、自動化系戴瓊海教授課題組，首創了全前向智能光計算訓練架構，研製了「太極-II」光訓練芯片，擺脫了對GPU離線訓練的依賴，實現了大規模神經網絡的原位光訓練。研究團隊刻畫了「光子傳播對稱性」這一物理模型，以「光」易「光」，摒棄了反向傳播這一電訓練範式，化「反」為「前」，掙脫了前向-反向光場傳播嚴格對齊的束縛，構建了通用光計算原位訓練系統，突破了電訓練架構對物理光計算的掣肘，支撐大規模神經網絡的精準高效光訓練。
「與現有訓練範式不同的是，我們摒棄了反向傳播，另闢蹊徑，構建了光神經網絡的對稱傳播模型，僅用光學系統的前向傳播即可實現高效高精度光訓練。」課題組負責人方璐教授表示。
值得一提的是，太極-II的面世，填補了智能光計算在大規模神經網絡訓練這一核心拼圖的空白，除加速AI模型訓練外，還在高性能智能成像、高效解析拓撲光子系統等方面表現出卓越性能。為人工智能大模型、通用人工智能、複雜智能系統的高效精準訓練開闢新路徑。
0 / 255