神經(jīng)網(wǎng)絡(luò)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(xué)習(xí)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(xiàn)在逐漸成為了機器的常規(guī)配置。

由于神經(jīng)網(wǎng)絡(luò)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(jīng)網(wǎng)絡(luò)。而這項研究的關(guān)鍵是創(chuàng)建類似神經(jīng)元(neurons)的電路，即神經(jīng)形態(tài)芯片(neuromorphic chip)。那么，如何使電路的速度得到顯著提升?

現(xiàn)在，這一問題或許有了答案。據(jù)MIT報道，普林斯頓大學(xué)的Alexander Tait團隊創(chuàng)建了全球首個光電子神經(jīng)網(wǎng)絡(luò)，并展示了其在計算上的超速度。

一直以來，光學(xué)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(shù)據(jù)。但是，由于光學(xué)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(wù)時，這種超快速數(shù)據(jù)處理能力只有光子芯片才能提供。

如今神經(jīng)網(wǎng)絡(luò)又給光子學(xué)提供了一個新的機會。“在硅光子平臺的幫助下，光子神經(jīng)網(wǎng)絡(luò)的高速信息處理能力能夠被用于無線電、控制計算等領(lǐng)域。”Alexander Tait表示。

這個光子神經(jīng)網(wǎng)絡(luò)的核心是一種光學(xué)設(shè)備。它的每個節(jié)點都有神經(jīng)元一樣的響應(yīng)特征。這些節(jié)點采用微型圓形波導(dǎo)的形式，被蝕刻進一個能容許光循環(huán)的硅基座內(nèi)。一旦光被輸入，它就會調(diào)制在閾值處工作的激光器的輸出。在這個區(qū)域內(nèi)，入射光的微小變化都會對激光的輸出產(chǎn)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(shù)被稱為波分復(fù)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(shù)學(xué)上等效于一種被稱為“連續(xù)時間遞歸神經(jīng)網(wǎng)絡(luò)(CTRNN)”的設(shè)備。

Tait團隊表示，該設(shè)備可以極大地擴展編程技術(shù)，應(yīng)用于更大的硅光子神經(jīng)網(wǎng)絡(luò)。

研究人員使用由49個光子節(jié)點組成的網(wǎng)絡(luò)對神經(jīng)網(wǎng)絡(luò)進行模擬演示，以及光子神經(jīng)網(wǎng)絡(luò)如何被用于解決微分方程的數(shù)學(xué)問題。

Tait將其與普通的CPU進行了對比。“在這項任務(wù)中，光子神經(jīng)網(wǎng)絡(luò)的有效硬件加速因子大約為1960×，”，Tait說，“這是一個3個數(shù)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(jīng)網(wǎng)絡(luò)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(lǐng)軍者。”