斯坦福大學研究人員已經(jīng)證明，在光學芯片上直接訓練人工神經(jīng)網(wǎng)絡是可能的。這一重大突破表明，光學電路可以執(zhí)行基于電子技術的人工神經(jīng)網(wǎng)絡的關鍵功能，并且可以更便宜、更快和更節(jié)能的方式來執(zhí)行諸如語音或圖像識別等復雜任務。

研究人員已經(jīng)證明，神經(jīng)網(wǎng)絡可以使用光學電路(圖中的藍色矩形)進行訓練。在整個網(wǎng)絡中，會有幾個連接在一起。激光輸入(綠色)信息，通過光學(黑色)芯片。該芯片使用非均勻波束執(zhí)行對人工神經(jīng)網(wǎng)絡至關重要的操作，它是由曲線段表示的。這些部分將兩個相鄰的部分連接在一起，并通過調整光學相位(紅色和藍色物體)的設置來調諧，它們的作用就像可以在訓練期間調整以執(zhí)行給定任務的“轉軌”。這一研究結果由斯坦福大學研究組的Tyler W. Hughes所證明。

“使用光學芯片比數(shù)字計算機更有效地執(zhí)行神經(jīng)網(wǎng)絡，可以解決更復雜的問題?！彼固垢４髮W研究小組的Shanhui Fan說?！袄?，這將增強人工神經(jīng)網(wǎng)絡執(zhí)行自動駕駛汽車所需任務的能力，或者對口頭問題作出適當?shù)姆磻?。它還能以我們現(xiàn)在無法想象的方式改善我們的生活。”

人工神經(jīng)網(wǎng)絡是一種人工智能，它使用連接的單元以類似于大腦處理信息的方式處理信息。使用這些網(wǎng)絡來執(zhí)行一個復雜的任務，例如語音識別，需要對算法進行關鍵步驟的訓練，以適應不同的輸入，如不同的單詞。

盡管光學人工神經(jīng)網(wǎng)絡最近被實驗證明，但訓練步驟是在傳統(tǒng)的數(shù)字計算機上使用一個模型進行的，然后將最后的設置輸入到光學電路中。在光學學會的擁有很高影響力的研究雜志上，斯坦福大學報告了一種直接在設備中訓練這些網(wǎng)絡的方法，這種方法是通過實現(xiàn)“光學模擬”算法來實現(xiàn)的，這是訓練常規(guī)神經(jīng)網(wǎng)絡的標準方法。

“使用物理設備而不是計算機模型進行訓練可以使訓練過程更加精確?！盚ughes說?！按送?，由于訓練步驟是神經(jīng)網(wǎng)絡實現(xiàn)過程中非常昂貴的部分，因此執(zhí)行這一步驟對于提高人工網(wǎng)絡的計算效率、速度和功耗至關重要?！?/div>