神經(jīng)網(wǎng)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(xiàn)在逐漸成為了機器的常規(guī)配置。
由于神經(jīng)網(wǎng)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(jīng)網(wǎng)絡。而這項研究的關鍵是創(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,普林斯頓大學的Alexander Tait團隊創(chuàng)建了全球首個光電子神經(jīng)網(wǎng)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(shù)據(jù)。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(shù)據(jù)處理能力只有光子芯片才能提供。
如今神經(jīng)網(wǎng)絡又給光子學提供了一個新的機會?!霸诠韫庾悠脚_的幫助下,光子神經(jīng)網(wǎng)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?!盇lexander Tait表示。
這個光子神經(jīng)網(wǎng)絡的核心是一種光學設備。它的每個節(jié)點都有神經(jīng)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(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(shù)學上等效于一種被稱為“連續(xù)時間遞歸神經(jīng)網(wǎng)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(jīng)網(wǎng)絡。
研究人員使用由 49 個光子節(jié)點組成的網(wǎng)絡對神經(jīng)網(wǎng)絡進行模擬演示,以及光子神經(jīng)網(wǎng)絡如何被用于解決微分方程的數(shù)學問題。
Tait將其與普通的CPU進行了對比?!霸谶@項任務中,光子神經(jīng)網(wǎng)絡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?!?/p>
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?!?/p>
- QQ:61149512