【清华团队提出全存内光计算架构FLARE 实现大规模光子神经网络集成】现有人工智能硬件大多沿用冯·诺依曼架构，数据需要在存储器与计算单元之间频繁搬运，成为制约带宽、能效和规模扩展的重要瓶颈。光计算凭借高速传播、天然并行和高维互连等优势，为突破这一限制提供了新的物理路径。然而，现有光神经网络在层间连接与权重重构过程中仍依赖外部光电转换和数字缓存，制约了大规模深层光神经网络的发展。针对这一问题，清华大学电子工程系方璐教授课题组提出全存内光计算架构FLARE，通过耦合光子腔与电子腔，构建兼具长期记忆和短期记忆的可重构光子神经元，使网络参数和动态激活能够在光子网络内部存储、计算并逐层传递。基于这一架构，研制了单片集成7378个光子记忆神经元的多核FLARE芯片，实现平均7.45秒的长期记忆保持与4GHz的短期动态响应，并构建多层全存内光神经网络，以超低系统能耗实现无人系统自主导航任务。相关研究成果以《全存内光计算》（Fully in-memory photonic computing）为题，于8月27日发表在《自然·传感》（Nature Sensors）。论文链接：网页链接 （来源：电子系）科研速递 清华大学