基于硬件的“加速器”的新發展從電子張量核和基于憶阻器的陣列到光子實現。這些方法的目標是處理機器學習的指數級增長的計算負載，目前這需要大約每3.5倍的硬件能力?月。一種解決方案是增加可由這種硬件處理的數據維度。盡管先前已經報道了通過多路復用空間和波長的二維數據處理，但三維處理的使用尚未在硬件中實現。鑒于此，來自牛津大學材料系的H. Bhaskaran等人引入了光子信號的射頻調制，以提高并行性，在空間分布的非易失性存儲器和波長復用的同時，為數據增加了額外的維度。
文章要點：
1) 該研究利用更高維度的處理來將這樣的系統配置為與邊緣計算框架兼容的架構，這一系統實現了100的并行度，比僅使用空間和波長自由度的實現高出兩個數量級；
2) 此外，該研究通過對來自心血管疾病患者的100個臨床心電圖信號進行同步卷積，并構建一個卷積神經網絡來證明這一點，該網絡能夠以93.5%的準確率識別有猝死風險的患者。
參考資料：
Dong, B., Aggarwal, S., Zhou, W. et al. Higher-dimensional processing using a photonic tensor core with continuous-time data. Nat. Photon. (2023).
10.1038/s41566-023-01313-x
https://doi.org/10.1038/s41566-023-01313-x
