光学记忆器回顾： 闪耀在神经形态计算上的光芒
发布时间：2023-06-06 08:00:00 阅读数： 19
用于非易失性传输调制的光学记忆性平台。资料来源：《自然-光子学》（2023）。DOI: 10.1038/s41566-023-01217-w
人工智能、机器学习和ChatGPT可能是公共领域中相对较新的流行语，但开发一种功能类似于人类大脑和神经系统的计算机--硬件和软件相结合--一直是一个长达数十年的挑战。匹兹堡大学的工程师们今天正在探索光学 "记忆体 "如何成为开发神经形态计算的一个关键。
具有记忆功能的电阻器，或称忆阻器，已经证明了其在电子领域的多功能性，可用作神经形态计算中的计算电路元件和高密度数据存储中的紧凑型存储器元件。它们的独特设计已经为内存计算铺平了道路，并引起了科学家和工程师的极大兴趣。
发表在《自然-光子学》上的一篇题为 "集成光学记忆体 "的新评论文章，揭示了这项技术的演变--以及为发挥其全部潜力仍需进行的工作。
在匹兹堡大学斯旺森工程学院电气和计算机工程助理教授Nathan Youngblood的带领下，文章探讨了与电子记忆体类似的光学设备的潜力。这类新设备可能在光学领域的高带宽神经形态计算、机器学习硬件和人工智能的革命中发挥重要作用。
"Youngblood解释说："研究人员真正被光学记忆体迷住了，因为它们在高带宽神经形态计算、机器学习硬件和人工智能方面具有难以置信的潜力。"想象一下，将光学的令人难以置信的优势与本地信息处理相融合。这就像打开了通往一个全新的技术可能性领域的大门，而这在以前是无法想象的。"
这篇评论文章全面介绍了光子集成电路这一新兴领域的最新进展。它探讨了当前的最先进技术，并强调了光学记忆器的潜在应用，它结合了超快、高带宽光通信和本地信息处理的优点。然而，可扩展性成为未来研究应解决的最紧迫问题。
"在光学领域扩大内存或神经形态计算的规模是一个巨大的挑战。拥有一种快速、紧凑和高效的技术，使扩展更容易实现，并将代表一个巨大的进步，"杨布拉德解释说。
"他继续说："限制的一个例子是，如果你采用目前具有最高存储密度的光存储器的相变材料，并试图在芯片上实现一个相对简单的神经网络，它将需要一个笔记本电脑大小的晶圆来容纳所有需要的存储器单元。"尺寸对光子学来说很重要，我们需要找到一种方法来提高存储密度、能源效率和编程速度，以便在有用的规模上进行有用的计算。"
利用光来彻底改变计算
光学记忆体可以彻底改变计算和信息处理的若干应用。它们可以实现光子集成电路（PIC）的主动微调，使片上光学系统可以根据需要进行调整和重新编程，而不会持续消耗电力。它们还提供高速数据存储和检索，有望加速处理，降低能耗，并实现并行处理。
光学记忆体甚至可以用于人工突触和大脑启发的架构。具有非易失性存储和非线性输出的动态记忆体复制了大脑中突触的长期可塑性，并为尖峰集成和发射计算架构铺平了道路。
扩大和改进光学膜片技术的研究可以为高带宽的神经形态计算、机器学习硬件和人工智能开启前所未有的可能性。
"我们看了很多不同的技术。我们注意到的是，我们离理想的光学记忆器的目标还很远--一种紧凑、高效、快速，并能显著改变光学特性的东西，"Youngblood说。"我们仍在寻找一种在单一技术中真正满足所有这些标准的材料或设备，以使其推动该领域的发展。"
更多信息：Nathan Youngblood et al, Integrated optical memristors, Nature Photonics (2023). DOI: 10.1038/s41566-023-01217-w
