Core Concepts
광전자 집적 회로는 고속, 저지연, 저전력 특성으로 인해 차세대 고성능 컴퓨팅 및 AI 가속기의 유망한 솔루션으로 부상하고 있다.
Abstract
이 논문은 광전자 집적 회로 기반 디지털 및 아날로그 컴퓨팅 기술의 최근 발전 상황을 조사한다.
디지털 컴퓨팅 부분에서는 광학 논리 게이트, 조합 논리 회로, 그리고 완전한 전자-광학 산술논리장치(EPALU)의 구현을 다룬다. 이러한 기술들은 광 신호를 활용하여 고속, 저지연, 저전력 디지털 연산을 수행할 수 있다.
아날로그 AI 가속기 구현 부분에서는 광학 신호 변조 기술, 광학 텐서 코어 설계, 그리고 하드웨어 효율성 향상 전략을 소개한다. 광학 신호 변조를 통해 가중치와 입력을 프로그래밍할 수 있으며, 다양한 광학 소자를 활용하여 행렬-벡터 곱셈과 같은 핵심 신경망 연산을 수행할 수 있다. 또한 컴팩트한 광학 구조와 다중 입력 소자를 활용하여 하드웨어 효율성을 높일 수 있다.
마지막으로 이 논문은 광 컴퓨팅의 현재 과제와 향후 발전 방향에 대해 논의한다.
Stats
최근 GPT-3 모델 학습에는 약 288년의 시간이 소요됨.
광전자 집적 회로 기반 광학 신경망은 최대 3.8 TOPS의 행렬 처리 속도를 달성했음.
광전자 집적 회로 기반 광학 신경망은 최대 sub-femtojoules/bit 수준의 초저전력 연산을 달성했음.
Quotes
"광전자 집적 회로는 고속, 저지연, 저전력 특성으로 인해 차세대 고성능 컴퓨팅 및 AI 가속기의 유망한 솔루션으로 부상하고 있다."
"광학 신호는 전자 신호를 통해 변조될 수 있으며, 광학 회로의 전송 함수에 따라 '곱셈'이 수행될 수 있다."
"광전자 플랫폼은 전자 제어의 적응성과 광 컴퓨팅의 고속 기능을 결합한다."