光电超导集成电路，赋能下一代AI

　　作者/文龙
　　人工智能领域的专家长期以来的目标是构建具有与人类智力相当的AI系统，这需要高性能的硬件。目前进行大规模应用与研究的AI模型大多依赖于半导体芯片，为了加速计算效率、增强计算能力，一部分科学家正试图将光学器件与硅芯片相结合，但制造过程受到物理限制和实际问题的困扰。
　　为构建下一代人工智能系统，近日，美国科罗拉多州国家标准与技术研究所（NIST）的工程师兼研究员Jeffrey Shainline呼吁AI领域的科学家放弃使用半导体硬件，转为采用超导体硬件进行模型开发。在他的最新观点性论文中，提出了一种结合光学器件和超导体的新型通用人工智能（AGI）硬件，并探究了用其进行大规模研究的可能性。
　　相关概念以及讨论于4月20日以「光电智能」（Optoelectronic intelligence）为题发表在《应用物理快报》（Applied Physics Letters）杂志上。
　　大脑通过许多复杂的专用处理器的连通与计算实现通用智能。类似地，如果本地处理器可以通过全局通信从其专用计算元件中收集信息，那么通用人工智能硬件的性能将达到最大。电子擅长计算，光适合通信，基于二者的特性，研究人员希望能够开发出经济高效的光电集成电路。
　　从突触电路开始，到晶元集成，再到与光纤互连的系统，一直到可能达到的人脑规模的AGI系统，作者对光电集成硬件相关概念进行了概述。
　　经过一番严谨的探讨，Shainline提出：「通过在4K（开尔文）的低温下使用并运行超导电子电路、单光子探测器和硅光源，我们将开辟一条通往丰富的计算功能和可大规模制造的道路。」 光电结合
　　在硅电子器件中，单个设备向其他许多设备提供电流是不可行的，必须使用共享的通信网络。但是，许多神经元必须同时通过网络进行通信，随着数量的增长，通信就会达到限制。减轻通信限制的一种方法是使用光学器件。并且，通过对光信号的幅度和相位进行编码，可以增加存储。
　　Shainline指出：「光学器件和电子器件的结合可以实现跨时空尺度的通信和计算，远远超出了单独使用二者之一所能实现的范围。」
　　脉冲神经网络与大脑的神经系统最为接近。因此，作者类比提出了一种最有利于AGI大规模实施的特定方法，该方法将波导集成的光源和单光子探测器结合起来用于通信，并将Josephson电路充当突触、树突、神经元用于计算。这些光电网络最小为100 nm，但可以延伸至数千米；神经元之间的间隔为50 ns，而突触的通信在50 ps的时间尺度上，从而可以实现跨时空的信息处理和存储。
　　图示：(a)光电神经元。黑色直线代表电子连接，蓝色波浪线代表光子连接；S表示突触、D表示树突、N表示神经元细胞体、T表示发射器。(b)光子连接的模块化分层网络。（来源：论文） 超导体替代半导体
　　使用超导体有三个优势：一是超导单光子检测器极大地降低了光源所需的亮度；二是免去了MOSFET需要高温退火的工艺挑战；三是超导集成电路中单电子用于计算、单光子用于通信，信号的不同实现学习和存储的互不干扰。
　　通常，半导体可以检测到不少于1,000个光子的光输入。但是，超导体可以在低得多的能量水平下运行。Shainline对实验结果感到十分惊讶：「与在室温下工作和使用半导体相比，在低温下工作和使用超导体的光电集成电路要容易得多。」
　　该研究还提供了将光学器件与超导电子器件集成在一起的电路图。
　　图示：光电超导神经系统的结构。（来源：论文） 低温是否合理
　　对于许多读者而言，低温操作的要求是该研究最令人不安的方面。但是，Shainline的提议并不是让在手机等日常设备中进行使用，而是在高功率计算系统的构造中考虑超导硬件。「光电超导硬件为AI带来的性能是无法通过其他物理手段实现的。性能将证明低温运行是合理的。」
　　Shainline表示，他会在未来的实验研究中去进一步证明光电超导硬件的可行性与能力。
　　Shainline还认为，光电超导集成电路还可以帮助创建基于超导和光子量子位的可扩展量子技术。这样的神经-量子混合系统可能会创造出利用脉冲神经元与量子纠缠力量的新方法。
　　论文链接：https://doi.org/10.1063/5.0040567
　　参考内容：https://phys.org/news/2021-04-combining-superconductors-boost-ai-capabilities.html