世界首个可用于超速计算的 硅光子神经芯片问世
人们已经利用神经网络建造出可以学习人类独有技能的机器，物体识别、人脸识别、自然语言处理和机器翻译等技能正在机器技术中逐渐普及。科研人员试图制造更加卓越的神经网络，继续发展人工智能技术。普林斯顿大学的研究人员已经建造出世界上首个可实现超速计算的集成硅光子神经芯片。
光数据处理系统的利弊光学计算一直以来被寄予计算机科学的巨大希望，光子的带宽远远超过电子，因此能更加快速地处理更多的数据。然而，光数据处理系统的优势在价值上从未超过制造所需的费用，一直以来都没得到广泛应用。但计算机的某些领域已经开始发生改变，神经网络为光子学开辟了新的机会。光学神经网络利用硅光子平台，可以为无线电、控制和科学计算的超速信息处理开辟新机制。研究内容该项研究的核心挑战在于：使光学设备的每个节点都有神经元一样的反应特征。节点呈微型圆形波导的形式，刻在硅基片上，光可在硅基片内传播。释放光之后把激光器的输出调整到阈值，在这个机制中，即使是入射光出现很小的变化也会强烈影响激光器的输出。尤其系统中的每个节点都有具体的光的波长，此种技术被称作分波多路复用技术。所有节点的光在送入激光器之前都可以由总功率检测求出。激光输出反馈到节点，形成具有非线性特征的反馈电路。为了求证非线性特征的反馈电路模仿神经行为的程度，研究人员测量了输出的数据，证明在数学上非线性质的反馈电路与“连续时间循环神经网络”的装置是等价的，表明连续时间循环神经网络的程序设计工具可应用于更大的硅光子神经网络。研究人员还验证如何利用49个光子节点组成的网络完成这项任务。其利用光学神经网络解决了模仿某种微分方程式的数学问题，并与普通的中央处理器做了对比。结果表明，光子神经网络的有效硬件加速因子预计达到1960×，实现了三个数量级的加速。研究意义这项研究或将开辟首次使光学计算变为主流的新行业。硅光学神经网络代表着更广泛的硅光子系统用于可扩展信息处理的首次尝试。麻省理工学院的研究人员还尝试利用可编程的纳米光子处理器进行验证，这主要取决于第一代电子神经形态芯片的性能。一旦光子神经网络得以广泛应用，必将具备巨大的优势，因此需要更加细致的界定方法。
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如有侵权行为，请第一时间联系我们修改或删除，多谢。
