全光学人工神经网络：速度更快、成本更低

▲研究人员证实，神经网络可以通过光学电路（蓝色矩形）进行训练。整个网络中有若干个相互连接的这种电路。激光输入（绿色）的编码信息由光波导通过芯片。芯片通过可调光束分离器（光波导中的弯曲部分）对神经网络进行控制：分离器将两个相邻波导连接在一起，并可由光学移相器（红色和蓝色的发光物体）进行调整。分离器的作用类似于“旋钮”，可在训练过程中进行调整，以完成既定任务。

据《光学设计》（Optica）杂志7月20日报道，美国斯坦福大学的研究人员证实，在其设计的光学芯片上直接训练人工神经网络是可行的。这一重大发现表明，采用光学电路可以实现基于电学的人工神经网络的关键功能，进而以更快速、更低能耗和更低成本的方式执行语音或图像识别等复杂任务。研究小组组长、斯坦福大学的范善慧（音译）说：“使用光学芯片进行神经网络运算比数字计算机更有效，能解决的问题也更复杂。它能提高人工神经网络的性能，使其能执行诸如汽车自动驾驶、应答语音问题等任务。”

人工神经网络是人工智能的一种，它通过连接单元以与大脑类似的方式处理信息。人工神经网络在执行复杂任务时（如语音识别），需要采用训练算法对输入的信息进行分类（如分类单词）。传统训练步骤需要在数字计算机上完成。而范等采用“反向传播”算法和光学技术，直接在设备上完成了训练步骤。论文第一作者泰勒•W•休斯（音译）说：“相对于计算机模型，使用物理设备完成训练步骤，精确性更高。通过光学操作完成训练步骤，对提高运算效率、降低功耗等有重要作用。”此外，光学设备还可进行并行计算，无需像传统计算机进行神经网络处理时那样，需要专门的硬件优化。

人工神经网络可以视为一个装有很多“旋钮”的黑匣子。待处理的激光编码信息进入光路中后，由光波导通过光束分离器。光束分离器的作用就是“旋钮”。在训练过程中，每个旋钮都会被微调，接着研究人员对系统进行测试，确定算法性能是否得到改善。休斯说：“我们的方法不仅可以预测旋钮的旋进方向，还能确定旋钮的旋进量，最终获得最佳结果。由于可以同时获取每个旋钮的“旋进信息”，该方法大大加快了人工神经网络（尤其是大型网络）的训练速度。”

研究人员计划进一步优化系统，并希望利用它实现神经网络任务的实际应用。范等设计的通用方法可用于各种神经网络架构，以及可重构光学等。

科界原创

 编译：雷鑫宇 审稿：西莫 编辑：张梦 

来源：