人工智能新突破：全球第一个光子神经网络问世，未来光学计算或会成主流
神经网络在计算世界中掀起了一阵风潮。研究人员使用它们来训练机器学习广泛的技能，对象识别、人脸识别、自然语言处理、机器翻译。所有这些技能，现在都已成为机器程序。
因此，研究人员有极大的兴趣创造能力更强的神经网络，从而拓宽人工智能的领域。这项研究的重点是创建类似神经元的电路，即所谓的神经形态芯片。但是如何让这些电路更快一点呢？
今天，光子神经网络的问世带来了曙光。
新泽西州普林斯顿大学Alexander Tait及其同事建立了世界上第一个硅光子集成神经网络，显示它计算速度超快。
长期以来，光学计算被寄予厚望。光子的带宽明显高于电子，因此可以更多更快地处理数据。但是光学数据处理系统从来没能覆盖生产它们的成本，因此未能广泛使用。可是在一些情况下，比如模拟信号处理的过程中又需要只有光子芯片才能提供的超快数据处理。
“在硅光子平台的帮助下，光子神经网络的高速信息处理能力能够被用于无线电、控制、电脑计算等领域。”Alexander Tait 表示。
挑战在于创造一种光学设备——它的每个节点都有神经元一样的响应特征。节点采用微型圆波导的形式，被蚀刻进一个能容许光循环的硅基内，光可以在其中流通。当光子被释放时，它会调节激光器的输出，将其控制在一定的阈值内。在这个区域内，入射光的微小变化都会对激光的输出产生显著影响。
系统中的每个节点都匹配特定波长的光，这一技术被称为波分复用技术。来自各个节点的光会被送入激光器，而且激光输出会被反馈回节点，创造一个非线性特征的反馈电路。
Tait团队测量输出，显示从数学上它相当于一个称为连续时间递归神经网络的设备。
Tait团队认为，该设备可以极大地扩展编程技术，应用于更大的硅光子神经网络。这意味着这个设备可以迅速提升神经网络汇集的各种编程。
研究人员使用由 49 个光子节点组成的网络演示，光子神经网络如何用来解决微分方程。
与普通的CPU相比，“在这项任务中，光子神经网络的有效硬件加速因子大约为 1960×，速度提升了个 3 个数量级。”Tait说。
硅光子神经网络作为第一个进入可扩展信息处理的硅光子系统的代表，将会打开一扇新的大门。未来光学计算可能会成为主流。
