详细内容或原文请订阅后点击阅览
GPU 的终结？光学人工智能接管
加州大学洛杉矶分校的研究人员开发了光学生成模型——利用光而不是传统电子计算来创建图像的人工智能技术。这项创新提供了高速、节能的图像生成，其质量可与数字扩散模型相媲美。
来源:QudataGPU 的终结？光学人工智能接管
加州大学洛杉矶分校 (UCLA) 的研究人员推出了光学生成模型，这是一种利用光物理学而非传统电子计算的 AI 图像生成新范式。这种方法为传统扩散模型提供了高速、节能的替代方案，同时实现了可比的图像质量。
光学生成模型现代生成式人工智能，包括扩散模型和大型语言模型，可以生成逼真的图像、视频和类人文本。然而，这些系统需要大量的计算资源，从而增加了功耗、碳排放和硬件复杂性。由 Aydogan Ozcan 教授领导的加州大学洛杉矶分校团队采取了一种截然不同的方法：他们以光学方式生成图像，利用光本身来执行计算。
该系统集成了浅层电子编码器和自由空间可重构衍射光学解码器。该过程从随机噪声开始，数字编码器迅速将其转换为复杂的二维相位模式 - 称为“光学生成种子”。然后这些种子被投射到空间光调制器 (SLM) 上并被激光照射。当这种调制光通过静态的、预先优化的衍射解码器传播时，它会立即自组织以产生全新的图像，该图像在统计上符合所需的数据分布。至关重要的是，与可能需要数百甚至数千个迭代去噪步骤的数字扩散模型不同，这种光学过程可以在单个“快照”中生成高质量图像。
UCLA 团队开发了两个互补框架：
主要创新包括：