近期研究提出一种使用光子张量处理器（PTP）替代GPU进行机器学习的神经网络计算新方法，在处理光学数据传输性能上可提高2-3阶。该方法通过光子张量核并行执行矩阵乘法，提升深度学习速度和效率。与传统数字处理器相比，PTP具有电光互连特点，功耗低、吞吐量高，适用于5G网络边缘设备。此外，PTP可实现并行存储数据和处理，有望在智能任务执行和数据中心流量降低方面发挥重要作用。
近期研究表明，光子张量处理器可替代GPU进行机器学习，性能提高2-3阶。该方法由乔治华盛顿大学Mario Miscuglio和Volker Sorger提出，利用光子TPU并行执行矩阵乘法，提高深度学习速度和效率。光子处理器具有电光互连特性，读写光存储器，与其他架构接口，有望在5G网络边缘设备中表现强劲。
企服商城
