研究人员创建了首个人工神经网络

研究人员创建了一个多层全光人工​​神经网络，但迄今为止尚未成功演示。人们迫切希望创建实用的光学人工神经网络，因为它们比基于传统计算机的网络速度更快且功耗少得多。这些新进展可以实现光的并行计算。

研究人员来自 香港科技大学香港的公司在光学学会的期刊 Optica 上展示了他们的两层全光学神经网络，其中包括高影响力的研究。 研究人员还展示了如何将网络应用于复杂的分类任务。

研究团队成员 Junwei Liu 表示：“我们的全光方案可以使神经网络以光速执行光学并行计算，同时消耗很少的能量。” “大规模的全光神经网络可用于从图像识别到科学研究的各种应用。”

这些全光网络的运行方式与当前使用的传统混合光神经网络不同。 其中，光学元件通常用于线性操作。 在非线性激活函数中，即模拟人脑神经元响应方式的函数中，光学组件通常以电子方式实现。 这是因为非线性光学需要高功率激光器，而这在光学神经网络中很难实现。

为了解决这个问题，研究人员利用具有电磁感应透明度的冷原子来执行非线性函数。

研究团队成员杜胜旺介绍了研究的新进展。

“这种光诱导效应可以通过非常弱的激光功率来实现，”他说。 “因为这种效果是基于 非线性量子干涉，有可能将我们的系统扩展到量子神经网络，可以解决经典方法难以解决的问题。”

为了测试他们的新方法，该团队创建了一个两层全连接的全光学神经网络。 该网络有 16 个输入和两个输出。 然后，他们使用全光网络对磁性统计模型的有序相和无序相进行分类。 他们得出的结论是，全光神经网络与经过训练的基于计算机的神经网络一样准确。

研究团队的下一步是将其扩展到大规模全光深度神经网络。 它们可能具有专为图像识别等特定应用而设计的复杂架构。 通过这样做，他们可以证明该系统可以在更大的范围内发挥作用。

杜说：“虽然我们的工作是原理验证演示，但它表明未来开发光学版本的人工智能可能成为可能。”

“与当今基于计算机的人工智能相比，下一代人工智能硬件本质上将会更快，并且功耗更低，”刘补充道。

为了看到更多此类科学技术的发展， 光学学会 (OSA) 提供出版物、会议和会员计划、研究和专用资源。 他们在光学和光子学领域拥有广泛的专家网络。 该组织为负责科学发现、应用和应用的科学家、工程师、学生和商业领袖提供支持。 他们的 官网 提供各种新闻和研究更新。