La computación óptica utiliza fotones en lugar de electrones para realizar cálculos, lo que puede aumentar significativamente la velocidad y la eficiencia energética de los cálculos al superar las limitaciones inherentes de los electrones. El principio básico de la computación óptica es la interacción luz-materia. La computación matricial se ha convertido en una de las herramientas de procesamiento de información más utilizadas e indispensables en la ciencia y la ingeniería, contribuyendo con una gran cantidad de tareas computacionales a la mayoría del procesamiento de señales, como las transformadas discretas de Fourier y las operaciones de convolución.

Como componente básico de las redes neuronales artificiales (ANN), la multiplicación de matrices ocupa la mayor parte de los recursos computacionales. Debido a las propiedades de los componentes electrónicos, realizar multiplicaciones de matrices simples requiere una gran cantidad de transistores para trabajar juntos, mientras que las multiplicaciones de matrices se pueden implementar fácilmente mediante componentes fotónicos fundamentales como microanillos, interferómetros Mach Zehnder (MZI) y planos de difracción. Por lo tanto, la velocidad de la computación óptica es varios órdenes de magnitud más rápida que la computación electrónica y consume mucha menos energía. Sin embargo, el método tradicional de multiplicación matriz-vector incoherente se centra en operaciones con valores reales y no funciona bien en redes neuronales de valores complejos y transformadas discretas de Fourier.

Investigadores dirigidos por el Prof. Jianji Dong en la Universidad de Ciencia y Tecnología de Huazhong (HUST), China, han propuesto un chip multiplicador de vector de matriz complejo fotónico que puede admitir multiplicaciones de matriz arbitrarias a gran escala y de valor complejo. El chip rompe el cuello de botella de los esquemas tradicionales de computación óptica no coherente, que tienen dificultades para lograr multiplicaciones arbitrarias de matrices de valores complejos a gran escala. También permite aplicaciones de inteligencia artificial, como transformadas discretas de Fourier, transformadas discretas de coseno, transformadas de Walsh y circunvoluciones de imágenes.

Su idea es diseñar algoritmos inteligentes de descomposición de matriz y partición de matriz para la arquitectura de matriz de microanillos para extender las multiplicaciones de matriz del dominio real al complejo y de pequeña escala a gran escala. Los investigadores lograron demostrar experimentalmente varias aplicaciones típicas de inteligencia artificial, mostrando el potencial del chip multiplicador de vectores de matriz fotónico complejo para aplicaciones en computación de inteligencia artificial. El trabajo titulado "A small microring array that performs large complex-valued matrix-vector multiplication" se publicó el 28 de abril de 2022 en Frontiers of Optoelectronics . + Explora más

Acelerar el aprendizaje automático mediante la luz