研究人员创建首个全光学人工神经网络

研究人员创建了一个多层全光学人工神经网络，这是迄今为止尚未成功展示的。由于全光学人工神经网络比传统计算机基的网络速度更快、功耗更低，因此人们非常渴望创建实用的全光学人工神经网络。这些新发展可能会实现光的并行计算。

来自香港科技大学的研究人员在Optica，光学学会的期刊中发表了他们的两层全光学神经网络，该期刊包含高影响力的研究。研究人员还展示了如何将该网络应用于复杂的分类任务。

“我们的全光学方案可以实现神经网络在光速下进行光学并行计算，同时消耗很少的能量，”研究团队成员Junwei Liu说。“大规模的全光学神经网络可以用于从图像识别到科学研究的各种应用。”

这些全光学网络的工作方式与目前使用的传统混合光学神经网络不同。在这些网络中，光学组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的函数中，光学组件通常是电子实现的。这是因为非线性光学需要高功率激光器，而这些激光器在光学神经网络中难以实现。

为了解决这个问题，研究人员利用了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Shengwang Du谈到了新的发展。

“这种光诱导效应可以用非常弱的激光功率实现，”他说。“由于这种效应基于非线性量子干涉，因此可能可以将我们的系统扩展到量子神经网络，以解决经典方法难以解决的问题。”

为了测试他们的新方法，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，他们使用全光学网络对磁性的统计模型的有序和无序相进行分类。他们得出结论，全光学神经网络的准确性与训练好的计算机基神经网络一样高。

研究团队的下一步是扩展到大规模全光学深度神经网络。这些网络可以具有为特定应用（如图像识别）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规模上工作。

“虽然我们的工作是一种原理证明，但它表明在未来可能会开发出光学版本的人工智能，”杜说。

“下一代人工智能硬件将比今天的计算机基人工智能本质上更快、更低功耗，”刘补充说。

要了解更多此类科学和技术发展，光学学会（OSA）提供出版物、会议和会员计划、研究和专用资源。他们拥有一个庞大的光学和光子学领域专家的网络。该组织支持科学家、工程师、学生和商业领袖，他们负责科学发现、应用和应用。他们的 网站 提供各种新闻和研究更新。