使用光而不是电子进行计算的加速器芯片有望增强AI模型训练和推理。从理论上讲，它们可以以光速处理算法 - 比现在最快的逻辑门电路快得多 - 但到目前为止，光的不可预测性阻碍了大多数光学模拟晶体管的尝试。
不过，总部位于波士顿的Lightelligence声称，它的光学AI芯片取得了一定程度的成功，该芯片今天首次亮相原型。它表示与传统硬件相比，延迟提高了10,000倍，并且估计功耗降低了“数量级”。
支撑它的技术起源于2017年由CEO Yichen Shen合着的论文。沉 - 然后博士 麻省理工学院物理系教授马林索利亚奇(Marin Soljacic)在麻省理工学院学习光子材料的学生，他负责管理学校的光子学和现代电磁学小组 - 在自然光子学杂志上发表了一篇研究，描述了利用光学干涉执行神经网络工作负荷的新方法。
Lightelligence成立几个月后，Soljacic成为首批加入董事会的人之一。
“像易辰这样的学生，即使在麻省理工学院也很少见到教授的职业生涯。Yichen是一个真正的远见者，也是使用集成光学器件进行人工智能的先驱，“Soljacic说。
所讨论的芯片 - 大约是印刷电路板的尺寸 - 包含类似于传输信号的光纤的光子电路。它仅需要有限的能量，因为光产生的热量少于电，并且不易受环境温度，电磁场和其他噪声的影响。它被设计为插入网络边缘的现有机器，如本地服务器，并最终将附带与常用框架中的算法兼容的软件堆栈，如Google的Tensorflow，Facebook的Caffe2和Pytorch等。
迄今为止，Lightelligence已经展示了MNIST，这是一种基准机器学习模型，它使用计算机视觉来识别其加速器上的手写数字。它记录了矩阵矢量乘法和其他线性运算 - AI模型的关键组件 - 运行速度比最先进的电子芯片快100倍。
“我们非常高兴地透露我们的工作光学芯片AI计算系统，”沉说。“我们的原型......比我们的Nature Photonics纸张中显示的系统快10万倍，而且尺寸只有一小部分。该系统是我们团队的真实证明。“
迄今为止，Lightelligence已筹集了1070万美元的风险融资，拥有超过20名员工，其中包括来自哥伦比亚大学，佐治亚理工学院，北京大学和加州大学伯克利分校的众多行业资深人士。名单上的名单是Gilbert Hendry博士和前AMD高级研究员Maurice Steinman，他曾在谷歌和微软担任过各种职务。