由斯威本科技大學領導的一個(ge) 國際研究團隊展示了世界上最快、最強大的人工智能（AI）光學神經形態處理器，其運行速度超過每秒10萬(wan) 億(yi) 次運算（TeraOPs/s），能夠處理超大規模數據。這一突破發表在著名的《Nature》雜誌上，代表了神經網絡和整個(ge) 神經形態處理的巨大飛躍。

人工神經網絡作為(wei) 人工智能的重要形式，可以 "學習(xi) "並執行複雜的操作，在計算機視覺、自然語言處理、麵部識別、語音翻譯、醫療診斷等諸多領域都有廣泛的應用。人工神經網絡受到大腦視覺皮層係統生物結構的啟發，從(cong) 原始數據中提取關(guan) 鍵特征，以前所未有的準確性和簡單性來預測屬性和行為(wei) 。

在斯威本大學David Moss教授、Xingyuan (Mike) Xu博士和RMIT大學傑出教授Arnan Mitchell的帶領下，該團隊在光學神經網絡方麵實現了一項特殊的壯舉(ju) ：極大地加快了其計算速度和處理能力。

該團隊展示了一種光學神經形態處理器，其運行速度比以往任何處理器都要快1000多倍，該係統還能處理超大規模圖像，足以實現完整的麵部圖像識別，這是其他光學處理器一直無法完成的。

這一突破是通過'光學微梳'實現的。雖然最先進的電子處理器（如穀歌TPU）的運行速度可以超過100 TeraOPs/s，但這是通過數萬(wan) 個(ge) 並行處理器完成的。相比之下，該團隊所展示的光學係統使用的是單個(ge) 處理器，並且是利用一種新技術，通過集成的微梳同時在時間、波長和空間維度上交織數據實現的。

這種處理器可以作為(wei) 任何神經形態硬件（基於(yu) 光學或電子的）的通用超高帶寬前端，使實時超高帶寬數據的海量數據機器學習(xi) 觸手可及。這項技術適用於(yu) 所有形式的處理和通信，未來希望在芯片上實現完全集成的係統，從(cong) 而大大降低成本和能源消耗。

論文標題為(wei) 《11 TOPS photonic convolutional accelerator for optical neural networks》。