電腦到光腦 挑戰物理極限
謝威翔、STPI科技政策研究組 發表於 2018年3月26日
表、光子電腦研究新進展
使用光來取代電子傳遞訊息時也並非沒有缺點，因為光波長難以壓縮，過長的波長限制了晶片體積微縮的可能。為了解決這個問題，哥倫比亞大學研發了一種光波導模式轉換的方法，在示範裝置中，超穎介面(metasurface)能讓傳遞的光波長縮短為空氣中波長縮小1.7倍，因此可以縮小積體光學的大小。光學裝置必須要更精確地做工，因為光束傳輸的些微偏差會造成巨大的問題，相對需要高技術及高成本。惠普實驗室在今年初宣布已經開發一種光整合電路裝置，使用了1,052種光學元件組成，用光的偏振性質編碼，比起傳統晶片可以更快速地處理計算問題，例如演算複雜度高的旅行推銷員問題，來算出多個城市之間的旅行最短距離。光子電路十分也適合做深度學習，麻省理工學院的研究團隊發表奈米光子處理器，控制光波導讓光產生干涉條紋，來進行深度運算。而韓國科學技術院（KAIST）在今年5月份發表的論文發表一個以光作為媒介，思考和記憶如同真的大腦的裝置，研究團隊使用了具有光電導性的非晶相氧化物半導體來模擬神經元突觸的主要功能，包括短期和長期記憶、突觸可塑性、神經誘發性質等，並強調使用光子來作運算。因為深度學習需要將龐大資料存放在大型資料網絡中來模擬大腦神經元，進而讓機器學習新事物。光子電腦對重覆性的矩陣乘法運算有極佳的運算能力，而傳統的處理器在相同的運算需花費更多的時間與能源。
目前光子電腦離要能實際應用，還有很多困難待克服，已有愈來愈多大廠投入研發，如惠普、IBM、Google和Intel。模擬神經網路常被用在機器學習，例如Facebook就使用神經網路演算法來進行複雜的資料探勘。而仿神經元電腦則直接使用這些演算法，使得神經計算可以更快地完成，同時使用更少的電力。從長遠看來，光子運算有助於人工智慧革命起飛，為社會帶來更重大的改變。
（作者是國家實驗研究院科技政策研究與資訊中心研究員）
（本文刊登於經濟日報2018/03/25）
--------------------------------------------------------------------------------------------------------------------------------------------
【聲明】
1.科技產業資訊室刊載此文不代表同意其說法或描述，僅為提供更多訊息，也不構成任何投資建議。
2.著作權所有，非經本網站書面授權同意不得將本文以任何形式修改、複製、儲存、傳播或轉載，本中心保留一切法律追訴權利。
|