最近，比爾·蓋茨等人(包括Uber的CEO和Co-founder)投資了光學AI芯片初創公司Luminous Computing，該公司獲得了900萬美金的投資，具體細節可參看CNBC的報道https://www.cnbc.com/2019/06/03/bill-gates-and-travis-kalanick-invest-in-ai-chip-start-up-luminous.html。小豆芽查閱了一些相關的文獻，借助這篇筆記簡單介紹下Luminous Computing的光學AI芯片技術。

  Luminous公司的CTO Mitchell Nahmias畢業于Princeton大學，其PhD期間的主要工作就是光學AI芯片的研究。他們所采用的方案不是基于Mach-Zehnder干涉器，而是稱為Broadcast and Weight方案(以下簡稱B&W方案)。其原理框架圖如下圖所示，

(圖片來自文獻1)

  輸入信號編碼在不同的波長上，經過微環型光學濾波器的作用，每個波長的強度受到調制，該過程對應于乘法運算。隨后，光信號在探測器處被探測，轉換為光電流，該過程對應于加法運算。該電流作為激光器的注入電流，使得激光器處產生對應的光信號輸出，用于連接下一個神經元，該過程對應于非線性激活函數。下圖為具體的光路結構圖。目前B&W方案已經實現了2個神經元、4個權重的演示。

(圖片來自文獻2)

  與Mach-Zehnder型方案(基于硅光芯片的深度學習)相比，主要區別有以下幾點：

  1)Mach-Zehnder型方案中，沒有發生光電轉換過程，而B&W方案中發生了兩次光電轉換過程，探測器處O->E, 激光器處E->O。

  2) Mach-Zehnder型方案基于光場的干涉，因此其對相位敏感。而B&W方案是一種非相干方案，信號加載在光的強度上，因此對相位不敏感。

  3)Mach-Zehnder型方案采用單個波長，而B&W方案必須采用多個波長。

  4)B&W方案采用微環作為可調諧濾波器，其芯片尺寸大大縮小，功耗減小。

  Luminous Computting公司的官網https://www.luminouscomputing.com/ 非常簡單，只有一頁文字介紹 。最近光學AI芯片的進展比較多，光學實現AI的主要優勢是速度快和能耗小。下圖比較了光學與電學AI芯片的能耗與計算密度。光學AI芯片初創公司都得到了科技巨頭公司的投資，這在一定程度上論證了該方案的優勢與可行性。小豆芽會持續關注這一領域的進展。

(圖片來自文獻1)

  參考文獻：

  1. H. Peng, et.al., "Neuromorphic Photonic Integrated Circuits"

  2. B. J. Shastri, et.al., "Principles of Neuromorphic Photonics"