神經(jīng)網(wǎng)絡(luò)正在以席卷之勢占領(lǐng)計算世界。研究人員使用它們來創(chuàng)建機器，讓機器學(xué)習(xí)大量的此前是人類特有的技能：對象識別，面部識別，自然語言處理，機器翻譯等。所有這些技能，以及更多更多的技能，現(xiàn)在正成為機器的“標(biāo)配”。

　　因此，創(chuàng)建更強大神經(jīng)網(wǎng)絡(luò)有足夠大的推動力，因為它可以進一步推動人工智能的進步。這項工作的重點是創(chuàng)造電路操作更像神經(jīng)元的、所謂的神經(jīng)形態(tài)芯片。但是如何使這些電路在速度上獲得顯著提升？這一個問題。

　　普林斯頓大學(xué)的 Alexander Tait 和他的同事建立了世界上第一個光子神經(jīng)形態(tài)芯片，同時展示了這種芯片在計算上的超速度。

　　光學(xué)計算一直被計算機科學(xué)界寄予厚望 。光子具有比電子多得多的帶寬，因此可以更快地處理更多的數(shù)據(jù)。但是光學(xué)數(shù)據(jù)處理系統(tǒng)的優(yōu)點從未超過制造它們的額外成本，因此它們從未被廣泛采用。

　　這種情況在計算的一些領(lǐng)域已經(jīng)開始改變，例如模擬信號處理，這些領(lǐng)域要求的那種超快速數(shù)據(jù)處理能力只有光子芯片可以提供。

　　現(xiàn)在神經(jīng)網(wǎng)絡(luò)為光子學(xué)開辟了一個新的機會。“利用硅光子平臺的光子神經(jīng)網(wǎng)絡(luò)可以獲得用于無線電、控制和科學(xué)計算的超快速信息處理的能力”，Tait 說。

　　核心的挑戰(zhàn)是， 需要制造出每個節(jié)點具有與神經(jīng)元相同響應(yīng)特性的光學(xué)裝置 。節(jié)點采取刻在硅襯底中的微小圓形波導(dǎo)的形式，在節(jié)點之間光可以流動。

　　光被輸入到節(jié)點中之后，會調(diào)制在閾值處工作的激光器輸出，在這個區(qū)域中，入射光的微小變化都會對激光器的輸出具有顯著的影響。

　　至關(guān)重要的是，系統(tǒng)中的每個節(jié)點都使用特定波長的光——一種稱為波分復(fù)用（wave division mulTIplexin）的技術(shù)。來自所有節(jié)點的光在被喂給到激光器之前可以通過總功率檢測來求和。并且激光輸出會被反饋到節(jié)點中以創(chuàng)建具有非線性特性的反饋電路。

　　一個很重要的問題是，這種非線性在模擬神經(jīng)元活動時是多么的像。 Tait 測量了輸出，并表明它在數(shù)學(xué)上等效于被稱為連續(xù)時間遞歸神經(jīng)網(wǎng)絡(luò)的設(shè)備。 “這個結(jié)果表明，CTRNNs的編程工具可以應(yīng)用于更大的硅光子神經(jīng)網(wǎng)絡(luò)，”他們說。

　　這一研究結(jié)果非常重要，因為它意味著 Tait 制作的設(shè)備可以立即利用這些多樣化的神經(jīng)網(wǎng)絡(luò)類型，來極大地擴展編程技術(shù)。

　　與普通的中央處理單元對比

　　他們繼續(xù)演示如何使用由49個光子節(jié)點組成的網(wǎng)絡(luò)來模擬神經(jīng)網(wǎng)絡(luò)，使用這個光子神經(jīng)網(wǎng)絡(luò)來解決模擬某種微分方程的數(shù)學(xué)問題，并將其與普通的中央處理單元（CPU）進行比較。

　　CTRNN與CPU的比較

　　結(jié)果展示了光子神經(jīng)網(wǎng)絡(luò)可以有多快。 “在這項任務(wù)中，光子神經(jīng)網(wǎng)絡(luò)的有效硬件加速因子估計為1，960&TImes;”，Tait 說。這是一個三個數(shù)量級的速度。

　　這打開了一個全新行業(yè)的大門，可能會在歷史上首次將光學(xué)計算帶入主流。 Tait說：“硅光子神經(jīng)網(wǎng)絡(luò)成為第一批進入可擴展信息處理的、更廣泛類別的硅光子系統(tǒng)的代表。

　　當(dāng)然，這很大程度上要取決于第一代電子神經(jīng)形態(tài)芯片的表現(xiàn)。光子神經(jīng)網(wǎng)絡(luò)要想得到大范圍的采用，必須首先要證明自身有很大的優(yōu)勢，因而也要求對其特征更加詳細的闡述。顯然，對于光子學(xué)來說，等待它的將是一段非常有趣的時間。

　　編譯：新智元

　　來源：MIT Technology Review