神經網絡正席卷著計算世界。在它們的幫助下，研究人員得以推進機器學習的進程。面部識別、對象識別、自然語言處理、機器翻譯……這些原本都是人類才有的技能，現在逐漸成為了機器的常規(guī)配置。
由于神經網絡能夠推動人工智能的發(fā)展，這給了研究人員更大的動力來創(chuàng)建更強大的神經網絡。而這項研究的關鍵是創(chuàng)建類似神經元（neurons）的電路，即神經形態(tài)芯片（neuromorphic chip）。那么，如何使電路的速度得到顯著提升？
現在，這一問題或許有了答案。據 MIT 報道，普林斯頓大學的 Alexander Tait 團隊創(chuàng)建了全球首個光電子神經網絡，并展示了其在計算上的超速度。
一直以來，光學計算都被寄予厚望 。光子的帶寬要比電子高，因此可以更快地處理大量數據。但是，由于光學處理系統(tǒng)的成本過高，并沒有被廣泛使用。而在進行模擬信號等任務時，這種超快速數據處理能力只有光子芯片才能提供。
如今神經網絡又給光子學提供了一個新的機會。“在硅光子平臺的幫助下，光子神經網絡的高速信息處理能力能夠被用于無線電、控制計算等領域。”Alexander Tait 表示。
這個光子神經網絡的核心是一種光學設備。它的每個節(jié)點都有神經元一樣的響應特征。這些節(jié)點采用微型圓形波導的形式，被蝕刻進一個能容許光循環(huán)的硅基座內。一旦光被輸入，它就會調制在閾值處工作的激光器的輸出。在這個區(qū)域內，入射光的微小變化都會對激光的輸出產生顯著影響。
系統(tǒng)中的每個節(jié)點都使用一定波長的光，這一技術被稱為波分復用（wave division multiplexin）。來自各個節(jié)點的光會被送入激光器，而且激光輸出會被反饋回節(jié)點，創(chuàng)造出一個擁有非線性特征的反饋電路。這種輸出在數學上等效于一種被稱為“連續(xù)時間遞歸神經網絡 (CTRNN) ”的設備。
Tait 團隊表示，該設備可以極大地擴展編程技術，應用于更大的硅光子神經網絡。
研究人員使用由 49 個光子節(jié)點組成的網絡對神經網絡進行模擬演示，以及光子神經網絡如何被用于解決微分方程的數學問題。
Tait 將其與普通的 CPU 進行了對比。“在這項任務中，光子神經網絡的有效硬件加速因子大約為 1960×，”，Tait 說，“這是一個 3 個數量級的速度。”
研究人員表示，這項研究打開了一個全新的光子計算行業(yè)的大門。 Tait 表示：“硅光子神經網絡可能會是首個進入可擴展信息處理的、更廣泛類別的硅光子系統(tǒng)的領軍者。”
免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。
