斯坦福大學(xué)研究人員已經(jīng)證明，在光學(xué)芯片上直接訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)是可能的。這一重大突破表明，光學(xué)電路可以執(zhí)行基于電子技術(shù)的人工神經(jīng)網(wǎng)絡(luò)的關(guān)鍵功能，并且可以更便宜、更快和更節(jié)能的方式來執(zhí)行諸如語音或圖像識別等復(fù)雜任務(wù)。

研究人員已經(jīng)證明，神經(jīng)網(wǎng)絡(luò)可以使用光學(xué)電路(圖中的藍(lán)色矩形)進(jìn)行訓(xùn)練。在整個(gè)網(wǎng)絡(luò)中，會(huì)有幾個(gè)連接在一起。激光輸入(綠色)信息，通過光學(xué)(黑色)芯片。該芯片使用非均勻波束執(zhí)行對人工神經(jīng)網(wǎng)絡(luò)至關(guān)重要的操作，它是由曲線段表示的。這些部分將兩個(gè)相鄰的部分連接在一起，并通過調(diào)整光學(xué)相位(紅色和藍(lán)色物體)的設(shè)置來調(diào)諧，它們的作用就像可以在訓(xùn)練期間調(diào)整以執(zhí)行給定任務(wù)的“轉(zhuǎn)軌”。這一研究結(jié)果由斯坦福大學(xué)研究組的Tyler W. Hughes所證明。

“使用光學(xué)芯片比數(shù)字計(jì)算機(jī)更有效地執(zhí)行神經(jīng)網(wǎng)絡(luò)，可以解決更復(fù)雜的問題。”斯坦福大學(xué)研究小組的Shanhui Fan說。“例如，這將增強(qiáng)人工神經(jīng)網(wǎng)絡(luò)執(zhí)行自動(dòng)駕駛汽車所需任務(wù)的能力，或者對口頭問題作出適當(dāng)?shù)姆磻?yīng)。它還能以我們現(xiàn)在無法想象的方式改善我們的生活。”

人工神經(jīng)網(wǎng)絡(luò)是一種人工智能，它使用連接的單元以類似于大腦處理信息的方式處理信息。使用這些網(wǎng)絡(luò)來執(zhí)行一個(gè)復(fù)雜的任務(wù)，例如語音識別，需要對算法進(jìn)行關(guān)鍵步驟的訓(xùn)練，以適應(yīng)不同的輸入，如不同的單詞。

盡管光學(xué)人工神經(jīng)網(wǎng)絡(luò)最近被實(shí)驗(yàn)證明，但訓(xùn)練步驟是在傳統(tǒng)的數(shù)字計(jì)算機(jī)上使用一個(gè)模型進(jìn)行的，然后將最后的設(shè)置輸入到光學(xué)電路中。在光學(xué)學(xué)會(huì)的擁有很高影響力的研究雜志上，斯坦福大學(xué)報(bào)告了一種直接在設(shè)備中訓(xùn)練這些網(wǎng)絡(luò)的方法，這種方法是通過實(shí)現(xiàn)“光學(xué)模擬”算法來實(shí)現(xiàn)的，這是訓(xùn)練常規(guī)神經(jīng)網(wǎng)絡(luò)的標(biāo)準(zhǔn)方法。

“使用物理設(shè)備而不是計(jì)算機(jī)模型進(jìn)行訓(xùn)練可以使訓(xùn)練過程更加精確。”Hughes說?！按送?，由于訓(xùn)練步驟是神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)過程中非常昂貴的部分，因此執(zhí)行這一步驟對于提高人工網(wǎng)絡(luò)的計(jì)算效率、速度和功耗至關(guān)重要?！?/div>