A computação óptica usa fótons em vez de elétrons para realizar cálculos, o que pode aumentar significativamente a velocidade e a eficiência energética dos cálculos, superando as limitações inerentes dos elétrons. O princípio básico da computação óptica é a interação luz-matéria. A computação matricial tornou-se uma das ferramentas de processamento de informação mais amplamente utilizadas e indispensáveis ​​em ciência e engenharia, contribuindo com um grande número de tarefas computacionais para a maioria dos processamentos de sinais, como transformadas discretas de Fourier e operações de convolução.
Como o bloco de construção básico das redes neurais artificiais (RNAs), a multiplicação de matrizes ocupa a maior parte dos recursos computacionais. Devido às propriedades dos componentes eletrônicos, a realização de multiplicações de matrizes simples requer um grande número de transistores para trabalhar em conjunto, enquanto as multiplicações de matrizes podem ser facilmente implementadas por componentes fotônicos fundamentais, como microanéis, interferômetros Mach Zehnder (MZIs) e planos difrativos. Portanto, a velocidade da computação óptica é várias ordens de magnitude mais rápida do que a computação eletrônica e consome muito menos energia. No entanto, o método tradicional de multiplicação de vetores de matrizes incoerentes concentra-se em operações de valor real e não funciona bem em redes neurais de valor complexo e transformadas discretas de Fourier.

Pesquisadores liderados pelo Prof. Jianji Dong da Huazhong University of Science and Technology (HUST), China, propuseram um chip multiplicador de matriz-vetor complexo fotônico que pode suportar multiplicações arbitrárias de matrizes de grande escala e valores complexos. O chip quebra o gargalo dos esquemas tradicionais de computação óptica não coerentes, que têm dificuldade em obter multiplicações arbitrárias de matrizes de valores complexos em larga escala. Ele também permite aplicações de inteligência artificial, como transformadas discretas de Fourier, transformadas discretas de cosseno, transformadas de Walsh e convoluções de imagens.

A ideia deles é projetar algoritmos inteligentes de decomposição de matrizes e particionamento de matrizes para a arquitetura de matrizes de microanel para estender as multiplicações de matrizes do domínio real para o complexo e de pequena escala para grande escala. Os pesquisadores foram bem sucedidos em demonstrar experimentalmente várias aplicações típicas de inteligência artificial, mostrando o potencial do chip multiplicador de matriz-vetor complexo fotônico para aplicações em computação de inteligência artificial. O trabalho intitulado "A small microring array that performs large complex-value matrix-vector multiplication" foi publicado em 28 de abril de 2022 em Frontiers of Optoelectronics . + Explorar mais

Acelerando o aprendizado de máquina por meio da luz