学习
实践
活动
工具
TVP
写文章

人工神经网络全光学造?速度更快、成本更低?

研究人员证实,神经网络可以通过光学电路(蓝色矩形)进行训练。整个网络中有若干个相互连接的这种电路。激光输入(绿色)的编码信息由光波导通过芯片。芯片通过可调光束分离器(光波导中的弯曲部分)对神经网络进行控制:分离器将两个相邻波导连接在一起,并可由光学移相器(红色和蓝色的发光物体)进行调整。分离器的作用类似于“旋钮”,可在训练过程中进行调整,以完成既定任务。

据《光学设计》(Optica)杂志7月20日报道,美国斯坦福大学的研究人员证实,在其设计的光学芯片上直接训练人工神经网络是可行的。这一重大发现表明,采用光学电路可以实现基于电学的人工神经网络的关键功能,进而以更快速、更低能耗和更低成本的方式执行语音或图像识别等复杂任务。研究小组组长、斯坦福大学的范善慧(音译)说:“使用光学芯片进行神经网络运算比数字计算机更有效,能解决的问题也更复杂。它能提高人工神经网络的性能,使其能执行诸如汽车自动驾驶、应答语音问题等任务。”

人工神经网络是人工智能的一种,它通过连接单元以与大脑类似的方式处理信息。人工神经网络在执行复杂任务时(如语音识别),需要采用训练算法对输入的信息进行分类(如分类单词)。传统训练步骤需要在数字计算机上完成。而范等采用“反向传播”算法和光学技术,直接在设备上完成了训练步骤。论文第一作者泰勒•W•休斯(音译)说:“相对于计算机模型,使用物理设备完成训练步骤,精确性更高。通过光学操作完成训练步骤,对提高运算效率、降低功耗等有重要作用。”此外,光学设备还可进行并行计算,无需像传统计算机进行神经网络处理时那样,需要专门的硬件优化。

人工神经网络可以视为一个装有很多“旋钮”的黑匣子。待处理的激光编码信息进入光路中后,由光波导通过光束分离器。光束分离器的作用就是“旋钮”。在训练过程中,每个旋钮都会被微调,接着研究人员对系统进行测试,确定算法性能是否得到改善。休斯说:“我们的方法不仅可以预测旋钮的旋进方向,还能确定旋钮的旋进量,最终获得最佳结果。由于可以同时获取每个旋钮的“旋进信息”,该方法大大加快了人工神经网络(尤其是大型网络)的训练速度。”

研究人员计划进一步优化系统,并希望利用它实现神经网络任务的实际应用。范等设计的通用方法可用于各种神经网络架构,以及可重构光学等。

编译:雷鑫宇 审稿:西莫

责编:南熙

来源:http://h5.scimall.net.cn/register?from=wechat

版权声明:本文由科界平台原创编译,中文内容仅供参考,一切内容以英文原版为准。转载请注明来源:科技工作者之家-科界App。

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20180723A08HZJ00?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

扫码关注腾讯云开发者

领取腾讯云代金券