一項(xiàng)新的研究發(fā)現(xiàn)，一種使用光子而不是電子的模擬大腦的神經(jīng)網(wǎng)絡(luò)，可以通過使用數(shù)千種波長的光同時運(yùn)行許多計算，快速分析大量數(shù)據(jù)。

人工神經(jīng)網(wǎng)絡(luò)在分析醫(yī)學(xué)掃描和支持自動駕駛汽車等應(yīng)用中的應(yīng)用越來越廣泛。在這些人工智能系統(tǒng)中，組件（也稱為神經(jīng)元）被輸入數(shù)據(jù)并合作解決問題，例如識別人臉。如果神經(jīng)網(wǎng)絡(luò)具有多層神經(jīng)元，則稱其為“深層”。

隨著神經(jīng)網(wǎng)絡(luò)的規(guī)模和功率的增長，當(dāng)在傳統(tǒng)電子設(shè)備上運(yùn)行時，它們越來越需要能量。這就是為什么一些科學(xué)家一直在研究光學(xué)計算作為一種有前途的下一代人工智能媒介。這種方法使用光而不是電來執(zhí)行計算，比電子計算方法更快，功耗更低。

例如，衍射光學(xué)神經(jīng)網(wǎng)絡(luò)由一堆層組成，每個層都有數(shù)千個像素，可以衍射或散射光。這些衍射特征充當(dāng)神經(jīng)網(wǎng)絡(luò)中的神經(jīng)元。深度學(xué)習(xí)用于設(shè)計每一層，因此當(dāng)以光的形式的輸入照射到堆棧上時，輸出光對來自圖像分類或圖像重建等復(fù)雜任務(wù)的數(shù)據(jù)進(jìn)行編碼。這項(xiàng)研究的資深作者、加州大學(xué)洛杉磯分校的光學(xué)工程師Aydogan Ozcan表示，所有這些計算“除了照明光之外，不消耗電力”。

這種衍射網(wǎng)絡(luò)可以以光速分析大量數(shù)據(jù)，以執(zhí)行諸如識別物體的任務(wù)。例如，它們可以幫助自動駕駛車輛立即識別行人或交通標(biāo)志，或者幫助醫(yī)療診斷系統(tǒng)快速識別疾病證據(jù)。傳統(tǒng)的電子設(shè)備需要首先對這些物體進(jìn)行成像，然后將這些信號轉(zhuǎn)換成數(shù)據(jù)，最后運(yùn)行程序來確定這些物體是什么。相比之下，衍射網(wǎng)絡(luò)只需要接收從那些能夠識別物體的物體反射或以其他方式到達(dá)的光，因?yàn)閬碜栽撐矬w的光大部分被衍射到分配給該類物體的單個像素。

此前，Ozcan和他的同事使用一系列使用3D打印制造的64平方厘米薄聚合物晶片設(shè)計了單色衍射網(wǎng)絡(luò)。當(dāng)用單個波長或顏色的光照射時，該衍射網(wǎng)絡(luò)可以實(shí)現(xiàn)單個矩陣乘法運(yùn)算。這些計算涉及到將被稱為矩陣的數(shù)字網(wǎng)格相乘，是許多計算任務(wù)的關(guān)鍵，包括操作神經(jīng)網(wǎng)絡(luò)。

現(xiàn)在，研究人員開發(fā)了一種寬帶衍射光學(xué)處理器，它可以同時接受多個輸入波長的光，進(jìn)行多達(dá)數(shù)千次“以光速同時執(zhí)行”的矩陣乘法運(yùn)算。

在這項(xiàng)新的研究中，科學(xué)家們3D打印了三個衍射層，每個衍射層具有14400個衍射特征。他們的實(shí)驗(yàn)表明，衍射網(wǎng)絡(luò)可以使用兩個亞毫米波長的太赫茲頻率信道成功運(yùn)行。他們的計算機(jī)模型表明，這些衍射網(wǎng)絡(luò)可以同時接受大約2000個波長信道。

“我們通過采用波長復(fù)用方案證明了大規(guī)模并行光學(xué)計算的可行性，”O(jiān)zcan說。

科學(xué)家們指出，使用可見光和太赫茲以外的其他頻率的光構(gòu)建衍射網(wǎng)絡(luò)應(yīng)該是可能的。這種光學(xué)神經(jīng)網(wǎng)絡(luò)也可以由多種材料和技術(shù)制造。

總之，他們“可能會在各個領(lǐng)域找到應(yīng)用，例如生物醫(yī)學(xué)成像、遙感、分析化學(xué)和材料科學(xué)，”O(jiān)zcan說。

審核編輯 ：李倩