人气排行榜
从类脑/光子/量子计算的突出优势看新型计算技术的进击之路
集微网报道从算法到硬件，AI算法的逐步演进不仅让芯片设计面临着能耗、成本、工艺等制造层面的挑战，也对硬件计算架构提出更高要求。
在以算法定义硬件的时代，如何从底层架构创新以应对算法的不确定性，就成为了AI芯片需要面对的重要议题。短期来看，算力或将成为制约人工智能发展的掣肘。与此同时，除了算力困境之外，如何处理实际生活中所面对的动态、多变、不确定的场景，是为场景困境；此外，伴随着算力的增大，对于能力的消耗也就越大，能耗困境也是目前人工智能无法忽视的难题。
不过从目前来看，以上三大技术的基础理论，技术趋势和实际的落地应用仍悬而未决，技术创新路线也亟待突破。那么上述新型计算技术究竟赋能哪些领域，未来的技术发展趋势又将何去何从？
“类脑计算不关注细节，但必定关注结果”
基于类脑的研究方向主要是传统计算机科学方向，以及脑科学方向。其中，前者主要以深度学习为代表，后者则需处理动力学模型。作为新型计算技术之一的类脑计算，就是将生物脑科学和计算机科学相互融合，包括了底层芯片、编译器，到高层编译器、学习框架、算法、应用系统等完整计算系统。
由于同时兼具类人脑的学习能力以及支持低功耗并行的计算架构，类脑计算具备了稀疏、时空相关性、抗噪音、近似计算四大特点。据灵汐科技副总经理华宝洪介绍，一方面，人类大脑是天然的稀疏系统，即是活跃神经元的稀疏；另一方面，两个神经元之间脉冲的发放以及突触的连接也是稀疏的，可随时发生变化，因此可以说，稀疏是类脑计算最典型的特征。
他还强调，“类脑计算不关注细节，但必定关注结果。”同时，抗噪音和近似计算也都是类脑计算代表性的特点。
从应用领域层面来看，类脑计算的应用领域主要分为三方面：一是传统AI领域，在该成熟市场中，类脑计算芯片需要支持各种神经网络，包括视频结构化、图象结构化、语音文本处理等；其二是脑科学和类脑计算领域，在该领域不仅要做到生物脑动力学计算，还需做大规模脑仿真，特别是上亿神经元规模以及支持毫秒级速度的脑仿真；其三是传统人工神经网络和脑科学神经网络融合的类脑应用领域，即近年来如火如荼的小样本学习。
曦智科技全球副总裁胡永强介绍，光子计算主要具备低延迟、低能耗、高通量的底层优势。首先是低延迟，由于人工智能九成运算都是线性矩阵数字，相较而言，一个向量通过传统硅基计算器需要的时间以微秒计算，而通过光的计算单元仅需一个纳秒，二者相差千倍。与电传输相比，以光速传输的光信号能够实现微米至百米级的TB级数据传输能力。
其次是低能耗，即低碳。在国家倡导低能耗生产模式的背景下，用光来做计算有着非常低能耗的优势，这也是相较硅有着上百倍能量的减耗；其三是高通量，基于光数据传输的带宽较大，也就是同一个光纤中可以同时运输4或8通道的一种高流量模式。
那么究竟光是如何来做计算呢？胡永强坦言，其实光也可以用来做加减乘除，当中的运算就是传递函数的矩阵。正因如此，以光做计算单元可同时计算多路数据，也就有了很强的并行能力；同时，其还具备低碳效能较电基芯片低100倍，以及超低延迟的优势。
也正是基于上述优势，目前光电计算可广泛应用于网络服务、电信、金融、生物医学、智慧交通等领域。
量子计算的产业化发展任重道远
“万物都是由量子构成的，我们天天生活在量子的世界，但是又感受不到量子。同样的，量子计算让很多人一头雾水，它却能够在信息安全、药物研发等领域有着魔法般的计算能力和应用价值。”近日，百度量子计算研究所所长段润尧在科技沙龙上如是说。
玻色量子创始人兼CEO文凯认为，量子计算真正实现产业化，核心就是要实现实用量子的优越性，目标是要不断提升规模，达到数百比特规模。此外，光学手段也是量子计算领域中非常重要的手段，光子作为理想的量子比特载体，偏振、相位、频率、角动量等信息可以编码量子比特，同时也可利用光学器件完成对量子比特的操作。
纵观国内外光量子芯片技术进展，近年来，军科院强晓刚团队的硅基光量子芯片，北大王剑威团队的光量子芯片在国内颇具代表。国外方面，加拿大公司Xanadu今年6月基于光量子芯片和可编程架构实现了玻色采样的量子计算机，实现可编程的突破，美国PsiQuantum通过与世界顶级芯片工厂GlobalFoundries合作，同时用低损耗光纤延迟线作为量子内存，可实现存储和操作数千个量子比特，并最终达到百万量子比特的规模。
相关标签： 从类脑/光子/量子计算的突出优势看新型计算技术的进击之路、 光子、 计算技术、 算法、 类脑计算、 芯片、 量子计算机、
本文地址：https://www.zdmsl.com/demo/001/article/7.html
<a href="https://www.zdmsl.com/demo/001/" target="_blank">秒收录导航</a>
