光電子神經網路

光電子神經網路

光電子神經網路是由普林斯頓大學的Alexander Tait團隊創建的神經網路,其核心是一種光學設備,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。

基本信息

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。”

相關詞條

相關搜尋

熱門詞條

聯絡我們