圖注：研究人員證實，神經網絡可以通過光學電路（藍色矩形）進行訓練。整個網絡中有若干個相互連接的這種電路。激光輸入（綠色）的編碼信息由光波導通過芯片。芯片通過可調光束分離器（光波導中的彎曲部分）對神經網絡進行控制：分離器將兩個相鄰波導連接在一起，並可由光學移相器（紅色和藍色的發光物體）進行調整。分離器的作用類似於“旋鈕”，可在訓練過程中進行調整，以完成既定任務。
據《光學設計》（Optica）雜誌7月20日報道，美國斯坦福大學的研究人員證實，在其設計的光學芯片上直接訓練人工神經網絡是可行的。這一重大發現表明，採用光學電路可以實現基於電學的人工神經網絡的關鍵功能，進而以更快速、更低能耗和更低成本的方式執行語音或圖像識別等複雜任務。研究小組組長、斯坦福大學的範善慧（音譯）說：“使用光學芯片進行神經網絡運算比數字計算機更有效，能解決的問題也更復雜。它能提高人工神經網絡的性能，使其能執行諸如汽車自動駕駛、應答語音問題等任務。”
人工神經網絡是人工智能的一種，它通過連接單元以與大腦類似的方式處理信息。人工神經網絡在執行復雜任務時（如語音識別），需要採用訓練算法對輸入的信息進行分類（如分類單詞）。傳統訓練步驟需要在數字計算機上完成。而範等採用“反向傳播”算法和光學技術，直接在設備上完成了訓練步驟。論文第一作者泰勒·W·休斯（音譯）說：“相對於計算機模型，使用物理設備完成訓練步驟，精確性更高。通過光學操作完成訓練步驟，對提高運算效率、降低功耗等有重要作用。”此外，光學設備還可進行並行計算，無需像傳統計算機進行神經網絡處理時那樣，需要專門的硬件優化。
人工神經網絡可以視為一個裝有很多“旋鈕”的黑匣子。待處理的激光編碼信息進入光路中後，由光波導通過光束分離器。光束分離器的作用就是“旋鈕”。在訓練過程中，每個旋鈕都會被微調，接著研究人員對系統進行測試，確定算法性能是否得到改善。休斯說：“我們的方法不僅可以預測旋鈕的旋進方向，還能確定旋鈕的旋進量，最終獲得最佳結果。由於可以同時獲取每個旋鈕的“旋進信息”，該方法大大加快了人工神經網絡（尤其是大型網絡）的訓練速度。”
研究人員計劃進一步優化系統，並希望利用它實現神經網絡任務的實際應用。範等設計的通用方法可用於各種神經網絡架構，以及可重構光學等。
編譯：雷鑫宇 審稿：西莫 編輯：張夢
來源：https://phys.org/news/2018-07-closer-optical-artificial-neural-network.html
閱讀更多 科技工作者 的文章
