美國斯坦福大學的研究人員已經(jīng)證明，可以直接在光學芯片上訓練人工神經(jīng)網(wǎng)絡。這一重大突破表明，光學電路可以實現(xiàn)基于電子的人工神經(jīng)網(wǎng)絡的關鍵功能，進而可以以更便宜、更快速和更節(jié)能的方式執(zhí)行語音識別、圖像識別等復雜任務。

據(jù)光學領域權威期刊Optica的報道，美國斯坦福大學的研究人員已經(jīng)證明，可以直接在光學芯片上訓練人工神經(jīng)網(wǎng)絡。這一重大突破表明，光學電路可以實現(xiàn)基于電子的人工神經(jīng)網(wǎng)絡的關鍵功能，進而可以以更便宜、更快速和更節(jié)能的方式執(zhí)行語音識別、圖像識別等復雜任務。

“相比使用數(shù)字計算機，使用光學芯片進行神經(jīng)網(wǎng)絡計算更有效，能夠解決更復雜的問題，”斯坦福大學研究團隊的負責人范汕洄（Shanhui Fan）說：“這將增強人工神經(jīng)網(wǎng)絡的能力，例如，使其能夠執(zhí)行自動駕駛汽車所要求的任務，或者能夠對口頭問題做出適當?shù)幕卮稹＿@將以我們現(xiàn)在無法想象的方式改善我們的生活?！?/p>

人工神經(jīng)網(wǎng)絡是人工智能的一種，它使用連接的單元，以類似大腦處理信息的方式來處理信息。使用人工神經(jīng)網(wǎng)絡執(zhí)行復雜的任務，例如語音識別，需要訓練算法對輸入進行分類，比如對不同的單詞進行分類。

雖然光學人工神經(jīng)網(wǎng)絡最近已經(jīng)得到實驗證明，但此前的研究是在傳統(tǒng)的數(shù)字計算機上使用一個模型進行訓練步驟，然后將最終的設置導入光學電路。在最新Optica期刊上，斯坦福大學的研究人員報告了一種新方法，通過實現(xiàn)“反向傳播”算法（這是訓練傳統(tǒng)神經(jīng)網(wǎng)絡的標準方法）的光學模擬，直接在設備中訓練人工神經(jīng)網(wǎng)絡。

圖：研究人員已經(jīng)證明，神經(jīng)網(wǎng)絡可以通過光學電路（圖中藍色矩形）進行訓練。在整個網(wǎng)絡中，有若干個這樣的電路連接在一起。激光輸入（綠色）的編碼信息由光波導（黑色）通過芯片。芯片使用可調波束分離器（光波導中彎曲的部分）執(zhí)行對人工神經(jīng)網(wǎng)絡至關重要的操作。分離器將兩個相鄰的波導連接在一起，并可通過調整光學移相器（紅色和藍色發(fā)光物體）的設置進行調整。分離器的作用就像“旋鈕”，可以在特定任務的訓練過程中進行調整。Credit: Tyler W. Hughes, Stanford University

該論文的第一作者Tyler W. Hughes說：“使用物理設備而不是計算機模型進行訓練，可以使訓練過程更精確?！薄岸?，由于訓練步驟是神經(jīng)網(wǎng)絡實現(xiàn)中非常耗費計算力的部分，因此，在光學電路上執(zhí)行這個步驟，對于改進人工神經(jīng)網(wǎng)絡的計算效率、速度和功耗都是至關重要的?！?/p>

基于光的網(wǎng)絡

雖然神經(jīng)網(wǎng)絡處理通常使用傳統(tǒng)的計算機進行，但仍有大量的工作要專門設計針對神經(jīng)網(wǎng)絡計算優(yōu)化的硬件?；诠鈱W的設備非常吸引人，因為它們可以并行地執(zhí)行計算，同時比電子設備消耗的能量更少。

在這項新研究中，研究人員通過設計一種光學芯片來復制傳統(tǒng)計算機訓練神經(jīng)網(wǎng)絡的方式，克服了實現(xiàn)全光學神經(jīng)網(wǎng)絡（all-optical neural network）的一個重大挑戰(zhàn)。

人工神經(jīng)網(wǎng)絡可以被視為一個帶有許多旋鈕的黑盒。在訓練期間，每個旋鈕都要轉動一點，然后測試系統(tǒng)，查看算法的性能是否得到改善。

“我們的方法不僅可以幫助預測旋鈕轉動的方向，還可以預測每個旋鈕轉動的方向，從而更接近預期的性能?！盚ughes說，“我們的方法大大加快了訓練速度，特別是對于大型網(wǎng)絡，因為可以并行地獲得每個旋鈕的信息?！?/p>

片上訓練

新的訓練協(xié)議在具有可調諧光束分離器的光學電路運行，通過改變光學移相器的設置進行調整。具體來說，該方法是將編碼有待處理信息的激光束發(fā)射到光學電路中，由光波導通過光束分離器進行傳輸，像旋鈕一樣進行調整，以訓練神經(jīng)網(wǎng)絡算法。

在新的訓練協(xié)議中，激光首先通過光學電路輸入。退出設備后，計算出與預期結果的差值。然后，這些信息被用來產(chǎn)生一個新的光信號，這個信號通過光網(wǎng)絡以相反的方向發(fā)送回來。

通過測量此過程中每個分束器周圍的光強度，研究人員展示了如何并行地檢測神經(jīng)網(wǎng)絡的性能隨著每個分束器設置而變化的情況。移相器的設置可以根據(jù)這些信息進行更改，這個過程可以重復，直到神經(jīng)網(wǎng)絡產(chǎn)生期望的結果。

研究人員用光學模擬測試了他們的訓練技術，方法是教算法執(zhí)行復雜的任務，比如在一組點中找出復雜的特征。他們發(fā)現(xiàn)光學實現(xiàn)與傳統(tǒng)計算機的執(zhí)行類似。

該研究的負責人范汕洄說：“我們的研究表明，你可以利用物理定律來實現(xiàn)計算機科學算法?！薄巴ㄟ^在光學領域對這些網(wǎng)絡進行訓練，證明光學神經(jīng)網(wǎng)絡系統(tǒng)可以利用光學器件來實現(xiàn)某些功能?！?/p>

研究人員計劃進一步優(yōu)化這個系統(tǒng)，并希望用它來實現(xiàn)神經(jīng)網(wǎng)絡任務的實際應用。他們設計的通用方法可用于各種神經(jīng)網(wǎng)絡架構，也可以用于其他應用。