我们现在经常进行数学计算,并且毫不费力地使用数字电子计算机,很容易忘记有任何其他计算方法。然而,在较早的时代,工程师必须制定聪明的策略来使用各种模拟计算机计算他们所需的解决方案。
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/f694486f9b1b9f814a8914f53befa18e.jpeg)
这些早期计算机中的一些是电子的,但许多是机械的,依赖于齿轮、球和盘、液压泵和贮存器等。对于某些应用,例如20世纪60年代合成孔径雷达数据的处理,模拟计算是光学完成的。随着电子技术的改进,这种方法让位于数字计算。
一些研究人员再次探索模拟光学计算机在现代计算挑战中的应用:神经网络智能计算。
神经网络(矩阵乘法)的核心计算在概念上很简单 - 比处理合成孔径雷达数据所需的傅里叶变换简单得多。对于不熟悉矩阵乘法的读者,让我试着去解码它。
矩阵是一个数字矩阵,排列成行和列。将两个矩阵相乘时,结果是另一个矩阵,其元素通过乘以各种数字对(从您开始的两个矩阵中绘制)并对结果求和来确定。也就是说,乘法矩阵恰好相当于大量的乘法和加法。
但神经网络可能是巨大的,多层的事务,这意味着运行它们所需的算术运算如此之多,以至于它们可以对可用的硬件(或能量预算)征税。通常使用图形处理单元(GPU)来帮助完成所有数字运算。电气工程师也忙于设计各种专用芯片作为神经网络加速器,谷歌的Tensor Processing Unit可能是最着名的。而现在光学加速器即将出现。
两个MIT衍生产品 - Lightelligence和Lightmatter -