要有光!美国国防高级研究计划局(DARPA)正在寻求突破物理定律的光子计算机来大幅提升人工智能性能。
这绝非轻量级项目。DARPA计划投入总计约3500万美元资金,希望推动研究人员突破基本物理约束,构建更大规模的光子电路,用光而非电子来完成更多计算任务。
国防部研究机构最近发布了一项名为"可扩展系统目标的光子集成电路架构"(PICASSO)的征集项目,旨在将光子学应用扩展到目前狭窄的演示范围之外。鉴于对更强大光子系统的需求,包括与人工智能工作负载相关的系统,DARPA呼吁研究人员提交提案,展示如何通过电路级设计来克服限制当前光子计算方法的基本局限性,使用现有的光子组件而不是等待新组件的发明。
对于不熟悉光子计算的人来说,这是利用光而非电子来处理和传输数据的技术。如果这听起来很牵强,实际上并非如此,正如DARPA指出的那样——目前已经存在光子电路,尽管形式有限。
使用光来处理数据信号具有理想的优势,特别适合人工智能等重负载应用,具有更大带宽、更低延迟和更高能效。不幸的是,正如DARPA指出的那样,"包含光子电路的系统很难在系统级性能方面显示出相对于电子系统的显著优势。"
当前一代光子电路在深度上受到限制,这限制了它们除了单一线性数学运算之外的能力。包含在更大系统中的单个光子电路还必须将光信号转换为电子信号,以便传递给其他组件,由于电子电路的毫秒级延迟,基本上消除了纳秒级延迟的优势,DARPA指出这是10^6的性能降级。
那么,除了DARPA所说的行业专注于组件级研究之外,是什么阻碍了光子电路的发展呢?当然是物理学。
DARPA指出:"进一步扩展电路规模和功能的主要限制根植于光信号传输的基本特性。"很好——只要研究人员能够解决该研究机构指出的两个基本技术挑战,这就是一个简单的修复。
首先是信号衰减。与能够再生信号和过滤噪声的金属氧化物半导体电路不同,光子电路存在光学衰减和噪声的基本问题,这些噪声无法被放大消除,因为任何放大光信号的尝试也会放大噪声。
其次,还有虚假波干扰问题,这会导致散射、耦合、模式泄漏、反向反射和不需要的共振。DARPA解释说:"在众多组件中,这些误差的控制变得不可预测,特别是当与制造变异性和热环境不稳定性结合时。"
如上所述,克服这些限制传统上导致光子电路与电子电路接口,而DARPA不希望这样。
该机构表示:"大量使用电子元件阻止了光子学原生提供的延迟、效率和带宽方面的系统级增益。"
这就是PICASSO项目的意义所在:DARPA希望其选定的参与者做的事情,就像解决光物理学施加的限制一样简单:只需制造更好的电路,使这两个技术挑战不再成为问题。
DARPA表示:"从现代电子学中汲取灵感,其中巧妙的电路设计克服了单个晶体管的限制,该项目将培育创新的电路级策略,以实现前所未有的系统性能和稳定性。PICASSO通过拥抱新范式来应对这些挑战:使用今天的组件创造明天的光子电路。"
DARPA不仅仅是征集想法。到PICASSO第一阶段结束时,即7月启动后18个月,DARPA希望看到"光子电路可预测性能的演示",到第二阶段结束时(另外18个月),它期望演示"广义电路功能"。
它还期望在总计约3500万美元的项目预算内完成所有这些工作,资金将分配给多个获奖项目。提案截止日期为3月6日——祝好运。
Q&A
Q1:什么是光子计算?它有什么优势?
A:光子计算是利用光而非电子来处理和传输数据的技术。它具有更大带宽、更低延迟和更高能效的优势,特别适合人工智能等重负载应用。目前已经存在光子电路,但形式有限。
Q2:光子电路目前面临哪些技术挑战?
A:主要有两个基本技术挑战:一是信号衰减问题,光子电路存在光学衰减和噪声无法被放大消除的问题;二是虚假波干扰问题,导致散射、耦合、模式泄漏等,在众多组件中误差控制变得不可预测。
Q3:PICASSO项目的目标是什么?预算多少?
A:PICASSO项目旨在使用现有光子组件创造更好的光子电路,克服物理限制。总预算约3500万美元,分配给多个获奖项目。目标是在第一阶段18个月内演示可预测性能,第二阶段演示广义电路功能。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。