帖子
勛章
關(guān)注
任務(wù)
斯坦福證明神經(jīng)網(wǎng)絡(luò)能直接在光學(xué)芯片上訓(xùn)練 “相比使用數(shù)字計(jì)算機(jī)，使用光學(xué)芯片進(jìn)行神經(jīng)網(wǎng)絡(luò)計(jì)算更有效，能夠解決更復(fù)雜的問題，”斯坦福大學(xué)研究團(tuán)隊(duì)的負(fù)責(zé)人范汕洄（Shanhui Fan）說：“這將增強(qiáng)人工神經(jīng)網(wǎng)絡(luò)的能力，例如，使其能夠執(zhí)行自動駕駛汽車所要求的任務(wù)，或者能夠?qū)陬^問題做出適當(dāng)?shù)幕卮�。這將以我們現(xiàn)在無法想象的方式改善我們的生活�！� 人工神經(jīng)網(wǎng)絡(luò)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(luò)執(zhí)行復(fù)雜的任務(wù)，例如語音識別，需要訓(xùn)練算法對輸入進(jìn)行分類，比如對不同的單詞進(jìn)行分類。 雖然光學(xué)人工神經(jīng)網(wǎng)絡(luò)最近已經(jīng)得到實(shí)驗(yàn)證明，但此前的研究是在傳統(tǒng)的數(shù)字計(jì)算機(jī)上使用一個(gè)模型進(jìn)行訓(xùn)練步驟，然后將最終的設(shè)置導(dǎo)入光學(xué)電路。在最新Optica期刊上，斯坦福大學(xué)的研究人員報(bào)告了一種新方法，通過實(shí)現(xiàn)“反向傳播”算法（這是訓(xùn)練傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的標(biāo)準(zhǔn)方法）的光學(xué)模擬，直接在設(shè)備中訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)。  圖：研究人員已經(jīng)證明，神經(jīng)網(wǎng)絡(luò)可以通過光學(xué)電路（圖中藍(lán)色矩形）進(jìn)行訓(xùn)練。在整個(gè)網(wǎng)絡(luò)中，有若干個(gè)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(dǎo)（黑色）通過芯片。芯片使用可調(diào)波束分離器（光波導(dǎo)中彎曲的部分）執(zhí)行對人工神經(jīng)網(wǎng)絡(luò)至關(guān)重要的操作。分離器將兩個(gè)相鄰的波導(dǎo)連接在一起，并可通過調(diào)整光學(xué)移相器（紅色和藍(lán)色發(fā)光物體）的設(shè)置進(jìn)行調(diào)整。分離器的作用就像“旋鈕”，可以在特定任務(wù)的訓(xùn)練過程中進(jìn)行調(diào)整。Credit: Tyler W. Hughes, Stanford University 該論文的第一作者Tyler W. Hughes說：“使用物理設(shè)備而不是計(jì)算機(jī)模型進(jìn)行訓(xùn)練，可以使訓(xùn)練過程更精確�！薄岸�，由于訓(xùn)練步驟是神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)中非常耗費(fèi)計(jì)算力的部分，因此，在光學(xué)電路上執(zhí)行這個(gè)步驟，對于改進(jìn)人工神經(jīng)網(wǎng)絡(luò)的計(jì)算效率、速度和功耗都是至關(guān)重要的�！� 基于光的網(wǎng)絡(luò) 雖然神經(jīng)網(wǎng)絡(luò)處理通常使用傳統(tǒng)的計(jì)算機(jī)進(jìn)行，但仍有大量的工作要專門設(shè)計(jì)針對神經(jīng)網(wǎng)絡(luò)計(jì)算優(yōu)化的硬件。基于光學(xué)的設(shè)備非常吸引人，因?yàn)樗鼈兛梢圆⑿械貓?zhí)行計(jì)算，同時(shí)比電子設(shè)備消耗的能量更少。 |
