光学卷积计算的进展与挑战(特邀)

卷积计算作为数学运算方法里的一项重要算子,在信号处理和人工智能领域有着重要的意义。卷积神经网络(CNN)作为深度学习领域最重要的网络之一,在计算机视觉和自然语言处理等领域取得了令人瞩目的成就。相比于传统集成电路在算力和能耗方面遇到的阻碍,光子计算加速器成为未来人工智能领域架构的有力竞争者之一。近年来,基于光的高并行性、大带宽和低延时的特点,各式各样的光学卷积计算方案不断涌现,取得了一系列重要进展。本文从卷积计算的定义和卷积定理两个角度出发,对主流的光学卷积计算方案进行分析和讨论,并指出目前光学卷积计算发展面临的挑战,并对光学卷积计算的发展趋势进行了展望。