當前，人工智能的飛速發(fā)展催生了大模型對海量算力的無盡渴望，使得原本基于馮諾依曼結構的計算機遇到了巨大的挑戰(zhàn)。為此，尋找一種新的高效計算機結構來替代經(jīng)典架構，成為了業(yè)內(nèi)專家們長久以來的探索方向。近期，來自上海科技大學的研究團隊便取得了突破性進展，他們首次研發(fā)出了全光深度儲備池計算機，并在著名學術刊物《Optica》上公開發(fā)表了這一開創(chuàng)性的成果——名為“Deep photonic reservoir computing recurrent network”的論文。

儲備池計算（Reservoir Computing）作為在2000年被提出的先進理念，是一類以較少培訓成本和低硬件投入實現(xiàn)的可逆循環(huán)神經(jīng)網(wǎng)絡（RNN），在時序數(shù)據(jù)處理中擁有廣泛的適用領域，諸如波形辨別、語音識別及時間序列預測等。盡管其使得訓練成本更低且具有高效率、低延遲的優(yōu)點，但卻不適應那些需要深度神經(jīng)網(wǎng)絡多層次處理信息的大型模型，因為多數(shù)硬件儲備池計算機只有一層厚度，無法勝任處理現(xiàn)實生活中紛繁復雜任務的需求。

然而，該研究團隊這次創(chuàng)新性的成就便是通過運用級聯(lián)光注入鎖定的全新技術，成功組建了共4個隱藏層。這種儲備池光計算機的獨特之處在于，每個隱藏層都是由半導體激光芯片與光學反饋環(huán)組成，且兩個層面之間的聯(lián)系采用全光形式進行，無需經(jīng)過光電變換或數(shù)模轉(zhuǎn)換，這不僅大大降低了能源消耗，也有效縮短了延遲時間。

據(jù)悉，此款計算機工作頻率高達20GHz，延遲時間僅為263ns，具備生成超過5000個神經(jīng)元節(jié)點以及101TOPS強大算力的能力。此外，由于每一層都由相應的激光芯片提供能量，故而無論儲備池深度如何擴展，系統(tǒng)中的光功率均不受影響。

為了論證這一計算機解決實際問題的能力，科研團隊選取了四個隱藏層共計320個互連神經(jīng)元（每層80個）來解決光纖通信領域的重要挑戰(zhàn)——非線性信道均衡問題，這也是華為早先提出的后香農(nóng)時代十大數(shù)學難題之一。試驗結果顯示，這款深度儲備池光計算機展現(xiàn)出極強的光纖非線性補償功能，有力提升了光纖信道的通信容量。

據(jù)了解，相較于市場主流的邊緣計算產(chǎn)品，同功耗下的儲備池光計算機算力至少高出1個數(shù)量級，且能將時延降低3至4個數(shù)量級。因此，未來這一新形態(tài)的儲備池光計算機將被廣泛應用于如智能制造、機器人、智慧醫(yī)療、智慧交通、智能家居等各類邊緣計算應用場景。