研發背景
神經網路正席捲著計算世界。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配置。
由於神經網路能夠推動人工智慧的發展，這給了研究人員更大的動力來創建更強大的神經網路。而這項研究的關鍵是創建類似神經元（neurons）的電路，即神經形態晶片（neuromorphicchip）。那么，如何使電路的速度得到顯著提升。
一直以來，光學計算都被寄予厚望。光子的頻寬要比電子高，因此可以更快地處理大量數據。但是，由於光學處理系統的成本過高，並沒有被廣泛使用。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晶片才能提供。
成功研發
據MIT報導，普林斯頓大學的AlexanderTait團隊創建了全球首個光電子神經網路，並展示了其在計算上的超速度。
如今神經網路又給光子學提供了一個新的機會。“在矽光子平台的幫助下，光子神經網路的高速信息處理能力能夠被用於無線電、控制計算等領域。”AlexanderTait表示。
這個光子神經網路的核心是一種光學設備。它的每個節點都有神經元一樣的回響特徵。這些節點採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內。一旦光被輸入，它就會調製在閾值處工作的雷射器的輸出。在這個區域內，入射光的微小變化都會對雷射的輸出產生顯著影響。
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復用（wavedivisionmultiplexin）。來自各個節點的光會被送入雷射器，而且雷射輸出會被反饋回節點，創造出一個擁有非線性特徵的反饋電路。這種輸出在數學上等效於一種被稱為“連續時間遞歸神經網路（CTRNN）”的設備。
社會意義
Tait團隊表示，該設備可以極大地擴展編程技術，套用於更大的矽光子神經網路。
研究人員使用由49個光子節點組成的網路對神經網路進行模擬演示，以及光子神經網路如何被用於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，光子神經網路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：“矽光子神經網路可能會是首個進入可擴展信息處理的、更廣泛類別的矽光子系統的領軍者。”
