用于机器学习加速的大规模集成光电子混沌技术

《Nature Communications》：Large-scale integrated optoelectronic chaos for machine learning acceleration

　　

摘要

混沌现象已成为机器学习领域中一种有用的资源，但传统的非线性电路存在速度瓶颈。光学混沌源则提供了一种具有超宽带特性和强大并行处理能力的替代方案，不过现有的方案往往需要在单通道吞吐量与多通道扩展性之间做出权衡。在此，我们展示了一种集成式微梳光电子混沌引擎（iMOCE）。通过用混沌微梳驱动光电子非线性腔体，iMOCE能够产生大规模并行混沌信号，每通道的带宽可达25 GHz，相当于以往基于微梳技术的方案的两倍。该系统可实现32.768 Tbps的总随机比特生成速率，并能加速四类典型任务的处理。与基于MCU/GPU的方案相比，它的每次推理时间缩短了大约两个数量级。这些成果表明，iMOCE是一种具有可扩展性且具备强大并行处理能力的混沌源，非常适合用于机器学习加速。