美國麻省理工學院（MIT）科學家在12日出版的《自然·光學》雜志上發(fā)表論文稱，他們開發(fā)出一種全新的光學神經(jīng)網(wǎng)絡(luò)系統(tǒng)，能執(zhí)行高度復(fù)雜的運算，從而大大提高“深度學習”系統(tǒng)的運算速度和效率。
a，一般人造神經(jīng)網(wǎng)絡(luò)架構(gòu)由輸入層，多個隱層和輸出層組成。 b，將一般神經(jīng)網(wǎng)絡(luò)分解為單個層。 c，構(gòu)成人造神經(jīng)網(wǎng)絡(luò)每一層的光學干涉和非線性單位。 d，提出了一個全光學，完全集成的神經(jīng)網(wǎng)絡(luò)。
“深度學習”系統(tǒng)通過人工神經(jīng)網(wǎng)絡(luò)模擬人腦的學習能力，現(xiàn)已成為計算機領(lǐng)域的研究熱門。但由于在模擬神經(jīng)網(wǎng)絡(luò)任務(wù)中，需要執(zhí)行大量重復(fù)性“矩陣乘法”類高度復(fù)雜的運算，對于依靠電力運行的傳統(tǒng)CPU（中央處理器）或GPU（圖形處理器）芯片來說，這類運算太過密集，完成起來非?！俺粤Α?。
a，兩層ONN實驗的示意圖。b，實驗中使用的實驗反饋和控制回路。 c，實驗證明OIU的光學顯微照片說明，其完全光學實現(xiàn)了矩陣乘法（以紅色突出顯示）和衰減（以藍色突出顯示）。 d，MZI中單個移相器的示意圖和用于調(diào)諧內(nèi)部移相器的傳輸曲線。
通過幾年努力，MIT教授馬林·索爾賈?？撕屯麻_發(fā)出光學神經(jīng)網(wǎng)絡(luò)系統(tǒng)的重要部件——全新可編程納米光學處理器，這些光學處理器能在幾乎零能耗的情況下執(zhí)行人工智能中的復(fù)雜運算。索爾賈?？私忉尩?，普通眼鏡片就能通過光波執(zhí)行“傅里葉變換”這樣的復(fù)雜運算，可編程納米光學處理器采用了同樣的原理，其包含多個激光束組成的波導(dǎo)矩陣，這些光波能相互作用，形成干涉模式，從而執(zhí)行特定的目標運算。
a，b，分別用于ONN和64位電子計算機的相關(guān)矩陣，用于實現(xiàn)用于元音識別的兩層神經(jīng)網(wǎng)絡(luò)。 c，具有相位編碼（σΦ）和光檢測誤差（σD）的元音識別問題的正確識別率（百分比）。d，測試數(shù)據(jù)集的二維投影（x軸上的對數(shù)面積比系數(shù)1和y軸上的2），其顯示了元音C和D之間的重疊。
研究小組通過測試證明，與CPU等電子芯片相比，這種光學芯片執(zhí)行人工智能算法速度更快，且消耗能量不到傳統(tǒng)芯片能耗的千分之一。他們還用可編程納米光學處理器構(gòu)建了一個神經(jīng)網(wǎng)絡(luò)初級系統(tǒng)，該系統(tǒng)能識別出4個元音字母的發(fā)音，準確率達到77％。他們的最終目標是，將可編程納米光學處理器交叉鋪成多層結(jié)構(gòu)，構(gòu)建光學網(wǎng)絡(luò)神經(jīng)系統(tǒng)，模擬人腦中神經(jīng)元執(zhí)行復(fù)雜的“深度學習”運算。
索爾賈?？吮硎?，新光學處理器還能用于數(shù)據(jù)傳輸中的信號處理，更快速實現(xiàn)光學信號與數(shù)字信號間的轉(zhuǎn)換。未來，在大數(shù)據(jù)中心、安全系統(tǒng)、自動駕駛或無人機等所有低能耗應(yīng)用中，基于新光學處理器的復(fù)雜光學神經(jīng)網(wǎng)絡(luò)將占據(jù)重要席位。
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
