Optisch computergebruik gebruikt fotonen in plaats van elektronen om berekeningen uit te voeren, wat de snelheid en energie-efficiëntie van berekeningen aanzienlijk kan verhogen door de inherente beperkingen van elektronen te overwinnen. Het basisprincipe van optisch computergebruik is de interactie tussen licht en materie. Matrixcomputing is een van de meest gebruikte en onmisbare informatieverwerkingstools in wetenschap en techniek geworden, en draagt ​​bij aan een groot aantal rekentaken voor de meeste signaalverwerking, zoals discrete Fourier-transformaties en convolutiebewerkingen.

Als de basisbouwsteen van kunstmatige neurale netwerken (ANN's), neemt matrixvermenigvuldiging de meeste rekenbronnen in beslag. Vanwege de eigenschappen van elektronische componenten vereist het uitvoeren van eenvoudige matrixvermenigvuldigingen een groot aantal transistors om samen te werken, terwijl matrixvermenigvuldigingen eenvoudig kunnen worden geïmplementeerd door fundamentele fotonische componenten zoals microringen, Mach Zehnder-interferometers (MZI's) en diffractieve vlakken. Daarom is de snelheid van optisch computergebruik enkele orden van grootte sneller dan elektronisch computergebruik en verbruikt het veel minder stroom. De traditionele incoherente matrix-vector-vermenigvuldigingsmethode is echter gericht op bewerkingen met reële waarde en werkt niet goed in neurale netwerken met complexe waarden en discrete Fourier-transformaties.

Onderzoekers onder leiding van prof. Jianji Dong van de Huazhong University of Science and Technology (HUST), China, hebben een fotonische complexe matrix-vector multiplier-chip voorgesteld die willekeurige grootschalige en complexe matrixvermenigvuldigingen kan ondersteunen. De chip doorbreekt het knelpunt van traditionele niet-coherente optische computerschema's, die moeite hebben om willekeurige grootschalige matrixvermenigvuldigingen met complexe waarden te realiseren. Het maakt ook toepassingen van kunstmatige intelligentie mogelijk, zoals discrete Fourier-transformaties, discrete cosinus-transformaties, Walsh-transformaties en beeldconvoluties.

Hun idee is om intelligente algoritmen voor matrixdecompositie en matrixpartitionering te ontwerpen voor de microring-array-architectuur om matrixvermenigvuldigingen uit te breiden van het reële naar het complexe domein en van kleinschalig tot grootschalig. De onderzoekers waren succesvol in het experimenteel demonstreren van verschillende typische kunstmatige-intelligentietoepassingen, waarbij ze het potentieel aantoonden van de fotonische complexe matrix-vector-multiplier-chip voor toepassingen in kunstmatige-intelligentiecomputing. Het werk getiteld "A small microring array that performs large complex-valued matrix-vector multiplication" werd op 28 april 2022 gepubliceerd in Frontiers of Optoelectronics . + Verder verkennen

Machine learning versnellen door middel van licht