神經網絡正席捲着計算世界。在它們的幫助下，研究人員得以推進機器學習的進程。面部識別、對象識別、自然語言處理、機器翻譯……這些原本都是人類纔有的技能，現在逐漸成爲了機器的常規配置。
由於神經網絡能夠推動人工智能的發展，這給了研究人員更大的動力來創建更強大的神經網絡。而這項研究的關鍵是創建類似神經元（ neurons）的電路，即神經形態芯片（neuromorphic chip）。那麼，如何使電路的速度得到顯著提升？
現在，這一問題或許有了答案。據 MIT 報道，普林斯頓大學的 Alexander Tait 團隊創建了全球首個光電子神經網絡，並展示了其在計算上的超速度。
一直以來，光學計算都被寄予厚望 。光子的帶寬要比電子高，因此可以更快地處理大量數據。但是，由於光學處理系統的成本過高，並沒有被廣泛使用。而在進行模擬信號等任務時，這種超快速數據處理能力只有光子芯片才能提供。
如今神經網絡又給光子學提供了一個新的機會。「在硅光子平臺的幫助下，光子神經網絡的高速信息處理能力能夠被用於無線電、控制計算等領域。」Alexander Tait 表示。
這個光子神經網絡的核心是一種光學設備。它的每個節點都有神經元一樣的響應特徵。這些節點採用微型圓形波導的形式，被蝕刻進一個能容許光循環的硅基座內。一旦光被輸入，它就會調製在閾值處工作的激光器的輸出。在這個區域內，入射光的微小變化都會對激光的輸出產生顯著影響。
系統中的每個節點都使用一定波長的光，這一技術被稱爲波分複用（wave division multiplexin）。來自各個節點的光會被送入激光器，而且激光輸出會被反饋回節點，創造出一個擁有非線性特徵的反饋電路。這種輸出在數學上等效於一種被稱爲「連續時間遞歸神經網絡 (CTRNN) 」的設備。
Tait 團隊表示，該設備可以極大地擴展編程技術，應用於更大的硅光子神經網絡。
研究人員使用由 49 個光子節點組成的網絡對神經網絡進行模擬演示，以及光子神經網絡如何被用於解決微分方程的數學問題。
Tait 將其與普通的 CPU 進行了對比。「在這項任務中，光子神經網絡的有效硬件加速因子大約爲 1960×，」，Tait 說，「這是一個 3 個數量級的速度。」
研究人員表示，這項研究打開了一個全新的光子計算行業的大門。 Tait 表示：「硅光子神經網絡可能會是首個進入可擴展信息處理的、更廣泛類別的硅光子系統的領軍者。」
【招聘】雷鋒網(公衆號：雷鋒網)堅持在人工智能、無人駕駛、VR/AR、Fintech、未來醫療等領域第一時間提供海外科技動態與資訊。我們需要若干關注國際新聞、具有一定的科技新聞選題能力，翻譯及寫作能力優良的外翻編輯加入。工作地點深圳。簡歷投遞至 guoyixin@leiphone.com 。兼職及實習均可。
Via technologyreview
推薦閱讀：
無人駕駛端到端的學習（end-to-end learning）靠譜嗎？| 曹旭東7000字剖析
號稱要打敗阿爾法狗的 DeepZenGo 高調挑戰人類棋手，第一場撲街
