人工智能重大進展，全球首個光電子神經網絡問世

神經網絡正席卷着計算世界。在它們的幫助下，研究人員得以推進機器學習的程序。面部識别、對象識别、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正常配置。

由于神經網絡能夠推動人工智能的發展，這給了研究人員更大的動力來建立更強大的神經網絡。而這項研究的關鍵是建立類似神經元（ neurons）的電路，即神經形态晶片（neuromorphic chip）。那麼，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 團隊建立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，是以可以更快地處理大量資料。但是，由于光學處理系統的成本過高，并沒有被廣泛使用。而在進行模拟信号等任務時，這種超快速資料處理能力隻有光子晶片才能提供。

如今神經網絡又給光子學提供了一個新的機會。“在矽光子平台的幫助下，光子神經網絡的高速資訊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裝置。它的每個節點都有神經元一樣的響應特征。這些節點采用微型圓形波導的形式，被蝕刻進一個能容許光循環的矽基座内。一旦光被輸入，它就會調制在門檻值處工作的雷射器的輸出。在這個區域内，入射光的微小變化都會對雷射的輸出産生顯著影響。

系統中的每個節點都使用一定波長的光，這一技術被稱為波分複用（wave division multiplexin）。來自各個節點的光會被送入雷射器，而且雷射輸出會被回報回節點，創造出一個擁有非線性特征的回報電路。這種輸出在數學上等效于一種被稱為“連續時間遞歸神經網絡 (ctrnn) ”的裝置。

tait 團隊表示，該裝置可以極大地擴充程式設計技術，應用于更大的矽光子神經網絡。

研究人員使用由 49 個光子節點組成的網絡對神經網絡進行模拟示範，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 将其與普通的 cpu 進行了對比。“在這項任務中，光子神經網絡的有效硬體加速因子大約為 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的大門。 tait 表示：“矽光子神經網絡可能會是首個進入可擴充資訊處理的、更廣泛類别的矽光子系統的領軍者。”