搜索
清华大学电子系方璐团队提出全存内光计算架构FLARE 实现大规模光子神经网络集成
3 小时前
人脑仅以约20瓦的功耗，就能实现高度并行的感知、推理与学习，这为高效人工智能的发展提供了重要启示。当前，多数人工智能硬件仍采用冯·诺依曼架构，数据需在存储器与计算单元间频繁传输，这限制了带宽、能效及规模扩展。光计算因其高速传播、天然并行及高维互连等特性，为突破此限制提供了新路径。然而，现有光神经网络在层间连接和权重重构时，仍依赖外部光电转换和数字缓存，这阻碍了大规模深层光神经网络的发展。
