來自網絡
最近研究人員已經證明，在光學芯片上直接訓練人工神經網絡是可能的。 這項研究表明，光電路可以執行一個基於電子學的人工神經網絡的關鍵功能，並且它可以導致更便宜、更快、更節能的方式來執行任務，如語音或圖像識別。
來自網絡
斯坦福大學研究人員設計的光學芯片複製了傳統計算機訓練神經網絡的方式，神經網絡可以通過光學電路(圖中藍色矩形)進行訓練。 在完整的網絡中，會有幾個這樣的連接在一起。激光輸入(綠色)編碼信息是由光波導(黑色)通過芯片攜帶。 該芯片使用可調諧波束分離器執行對人工神經網絡至關重要的操作，波導中的彎曲部分表示可調諧波束分離器。 這些部分將兩個相鄰的波導連接在一起，並通過調整光學移相器(紅色和藍色發光物體)的設置進行調整，這些移相器就像"旋鈕"，可以在訓練期間調整以執行給定的任務。
激光器首先通過光學電路饋入。 退出設備後，計算與預期結果的差異。 這些信息然後被用來產生一個新的光信號，這個光信號通過相反方向的光網絡發送回來。 通過在這個過程中測量每個分束器周圍的光強度，研究人員展示瞭如何並行地檢測神經網絡的性能隨著每個分束器的設置而改變。根據這些信息可以改變移相器的設置，並且這個過程可以重複，直到神經網絡產生所需的結果。
研究人員用光學模擬來測試他們的訓練效果，通過算法來執行復雜的功能，比如在一組點中挑選出複雜的特徵。 他們發現光學實現的效果與傳統計算機相似。該項工作表明，可以使用物理定律來實現計算機科學算法，通過在光學領域訓練這些網絡，它表明光學神經網絡系統可以單獨使用光學來實現某些功能。
雖然光學人工神經網絡最近在實驗上得到了證實，但是訓練步驟是在傳統的數字計算機上使用模型進行的，然後最終的設置被導入到光路中。 斯坦福大學的研究小組使用一種方法，通過實現"反向傳播"算法的光學模擬，直接在設備中訓練這些神經網絡，這是訓練傳統神經網絡的標準方法。
研究人員計劃進一步優化系統，並希望利用它來實現一個神經網絡任務的實際應用。 他們設計的通用方法可用於各種神經網絡結構和其他應用，如可重構光學。與數字計算機相比，使用光學芯片更有效地執行神經網絡計算，可以解決更復雜的問題，這將提高人工神經網絡的性能，使其能夠執行自動駕駛汽車所需的任務。這項研究發表在 Optica，OSA 的出版物，光學學會[1]。
參考：
1.https://www.osapublishing.org/captcha/?guid=0A992491-971C-2F1D-0E22-957E5B3A0BEA
更多信息請關注 清華阿羅@知乎 匯先科技提供新聞資訊