新型类似于大脑的光子芯片能够从光中“学习”
神经形态计算是受生物学中枢神经系统启发的跨学科研究，涵盖物理，电子工程，光子学，计算机科学，数学，机器人技术，生物学和更多学科.生物大脑不仅启发了人工智能(AI)中的软件方法，即深度学习中使用的人工神经网络(ANN)，而且还启发了硬件体系结构.上周，研究人员宣布了一种能够同时进行有监督和无监督的AI机器学习的光子神经网络计算芯片，并于2019年5月8日在 Nature 中发布了他们的发现.
明斯特大学，牛津大学和埃克塞特大学的研究团队创建了一种硬件芯片，该硬件芯片使用尖端的光子技术处理像人脑一样的信息，其中包含人工突触和神经元.研究人员写道，他们使用“波分复用技术为光子神经网络实现可扩展的电路体系结构."
硬件设备由四个人工神经元和60个突触组成，每个神经元有15个突触.每个神经元的15个谐振器需要不同的谐振波长以防止重叠.研究人员调整了每个环的半径.据报道，使用由环形谐振器组成的多路复用器“将光脉冲组合到一个波导上，并将其引导至片上神经元体"，以克服“人工神经元的输入尖峰以不同的波长发送"的挑战.研究人员.
接下来，研究人员创建了仿真，以测试硬件在有监督和无监督机器学习中的能力.他们之所以使用计算机模拟，是为了克服硬件设备15个输入的限制，从而进行更可靠的实验.该团队创建了一个具有4096个突触前输入神经元和PCM突触(相变记忆突触)的模型.
研究人员对使用64x64像素图像，噪声图案和笑脸图案的图像图案识别进行了各种模拟.此外，该团队还使用一个隐藏的神经网络层对语言检测进行了仿真，以测试其确定输入文本是英语还是德语的效果.语言检测人工神经网络除了具有五个元音的五个输入神经元之外，还具有三个隐藏层神经元和两个输出神经元.
在通过通过光脉冲传输信息来训练机器学习算法之后，研究小组发现人工神经网络能够执行模式识别.
研究人员报告说:“这种光子神经突触网络有望访问光学系统固有的高速和高带宽，从而能够直接处理光学电信和视觉数据."
人工智能从其数十年的沉寂中重生的主要原因是深度学习技术的进步，大数据可用性的提高，去中心化和基于云的计算的兴起以及大规模并行计算与GPU的整体增长从最强大的视频游戏过渡到适应通用计算目的，以及其他最近的趋势.计算硬件的进步进一步推动了软件的突破.现在，研究人员已通过创建可自行学习的全光学神经形态芯片，创建了一种与人脑的神经元和突触具有相似作用的计算硬件，从而使这一概念更进一步.
版权所有©2019 Cami Rosso保留所有权利.
参考
Feldmann，J.，Youngblood，N.，Wright，CD，Bhaskaran，H.，Pernice WHP:“具有自学习功能的全光尖刺神经突触网络." 自然. 2019年5月8日.
