作为太极芯片系列的一次重大升级,太极-II 不仅延续了前作在能效上的惊人表现——其能效相较于 NVIDIA H100 GPU 已飙升至千倍以上,更实现了从依赖电子打算机赞助到全光建模与演习的蜕变,优化了操作效率,进一步推高了性能边界。
据团队揭橥的论文所述,太极-II 是光学打算理论向大规模实验运用转化的关键一步,相应了环球对低能耗高性能打算急迫需求。

在所有测试场景中,太极-II 均展现出了超越前代产品的卓越性能,尤其在光学网络演习速率上实现了数量级的飞跃,分类任务准确率激增 40%,且在繁芜场景成像、特殊是弱光环境下的能耗效率提升更是达到了六个数量级。

面对传统光学人工智能方法面临的建模精度寻衅,方璐副教授指出,传统方法受限于系统不完善及光波传播的繁芜性,难以实现模型与真实系统的完美匹配。为此,团队提出了一种全新的全光演习方法——完备前向模式(FFM)学习,直接在光学芯片上实行繁芜的打算密集型演习过程,促进了并行处理能力,实现了高精度与大规模网络演习的双赢。
FFM 学习技能依托于市场可得的高速光调制器与检测器,其在加速学习方面的效率更是超越了传统 GPU,为构建未来光学算力支撑的人工智能模型开辟了崭新道路。方璐副教授强调:“我们的研究不仅揭示了光学打算在人工智能领域的无限可能,更为未来芯片设计与发展指明了方向。”







