美國麻省理工學(xué)院(MIT)科學(xué)家在6月12日出版的《自然·光學(xué)》雜志上發(fā)表論文稱，他們開發(fā)出一種全新的光學(xué)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(xué)習(xí)”系統(tǒng)的運算速度和效率。
“深度學(xué)習(xí)”系統(tǒng)通過人工神經(jīng)網(wǎng)絡(luò)模擬人腦的學(xué)習(xí)能力，現(xiàn)已成為計算機(jī)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，完成起來非常“吃力”。
通過幾年努力，MIT教授馬林·索爾賈?？撕屯麻_發(fā)出光學(xué)神經(jīng)網(wǎng)絡(luò)系統(tǒng)的重要部件——全新可編程納米光學(xué)處理器，這些光學(xué)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(xué)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(biāo)運算。
研究小組通過測試證明，與CPU等電子芯片相比，這種光學(xué)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(xué)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(zhǔn)確率達(dá)到77%。他們的最終目標(biāo)是，將可編程納米光學(xué)處理器交叉鋪成多層結(jié)構(gòu)，構(gòu)建光學(xué)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(xué)習(xí)”運算。
索爾賈希克表示，新光學(xué)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(xué)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(jī)等所有低能耗應(yīng)用中，基于新光學(xué)處理器的復(fù)雜光學(xué)神經(jīng)網(wǎng)絡(luò)將占據(jù)重要席位。
