神经网络正席卷着计算世界。在它们的帮助下，研究人员得以推进机器学习的进程。面部识别、对象识别、自然语言处理、机器翻译……这些原本都是人类才有的技能，现在逐渐成为了机器的常规配置。
　　由于神经网络能够推动人工智能的发展，这给了研究人员更大的动力来创建更强大的神经网络。而这项研究的关键是创建类似神经元（neurons）的电路，即神经形态芯片（neuromorphic chip）。那么，如何使电路的速度得到显著提升？
　　现在，这一问题或许有了答案。据MIT报道，普林斯顿大学的Alexander Tait团队创建了全球首个光电子神经网络，并展示了其在计算上的超速度。
　　一直以来，光学计算都被寄予厚望 。光子的带宽要比电子高，因此可以更快地处理大量数据。但是，由于光学处理系统的成本过高，并没有被广泛使用。而在进行模拟信号等任务时，这种超快速数据处理能力只有光子芯片才能提供。
　　如今神经网络又给光子学提供了一个新的机会。“在硅光子平台的帮助下，光子神经网络的高速信息处理能力能够被用于无线电、控制计算等领域。”Alexander Tait表示。
　　这个光子神经网络的核心是一种光学设备。它的每个节点都有神经元一样的响应特征。这些节点采用微型圆形波导的形式，被蚀刻进一个能容许光循环的硅基座内。一旦光被输入，它就会调制在阈值处工作的激光器的输出。在这个区域内，入射光的微小变化都会对激光的输出产生显著影响。
　　系统中的每个节点都使用一定波长的光，这一技术被称为波分复用（wave division multiplexin）。来自各个节点的光会被送入激光器，而且激光输出会被反馈回节点，创造出一个拥有非线性特征的反馈电路。这种输出在数学上等效于一种被称为“连续时间递归神经网络（CTRNN）”的设备。
　　Tait团队表示，该设备可以极大地扩展编程技术，应用于更大的硅光子神经网络。
　　研究人员使用由 49 个光子节点组成的网络对神经网络进行模拟演示，以及光子神经网络如何被用于解决微分方程的数学问题。
　　Tait将其与普通的CPU进行了对比。“在这项任务中，光子神经网络的有效硬件加速因子大约为1960×，”，Tait说，“这是一个3个数量级的速度。”
　　研究人员表示，这项研究打开了一个全新的光子计算行业的大门。Tait表示：“硅光子神经网络可能会是首个进入可扩展信息处理的、更广泛类别的硅光子系统的领军者。”

中国证券网讯 据《麻省理工技术评论》杂志网站近日报道，美国普林斯顿大学的科研团队日前研制出全球首枚光子神经形态芯片，并证明其能以超快速度计算。该芯片有望开启一个全新的光子计算产业。
　　据科技日报11月21日消息，普林斯顿大学亚力山大·泰特团队的新成果是利用光子解决了神经网络电路速度受限这一难题。神经网络电路已在计算领域掀起风暴。科学家希望制造出更强大的神经网络电路，其关键在于制造出能像神经元那样工作的电路，或称神经形态芯片，但此类电路的主要问题是要提高速度。光子计算是计算科学领域的“明日之星”。与电子相比，光子拥有更多带宽，能快速处理更多数据。但光子数据处理系统制造成本较高，因此一直未被广泛采用。
　　团队研制出的光子神经网络的核心是一种光学设备——其中的每个节点拥有神经元一样的响应特征。这些节点采用微型圆形波导的形式，被蚀刻进一个光可在其中循环的硅基座内。当光被输入，接着会调节在阈值处工作的激光器的输出，在此区域中，入射光的微小变化都会对该激光的输出产生巨大影响。
　　该光学设备的原理在于：系统中的每个节点都使用一定波长的光，这一技术被称为波分复用。来自各个节点的光会被送入该激光器，而且激光输出会被反馈回节点，创造出一个拥有非线性特征的反馈电路。关于这种非线性能模拟神经行为的程度，研究表明其输出在数学上等效于一种被称为“连续时间递归神经网络（CTRNN）”的设备，这说明CTRNN的编程工具可以应用于更大的硅光子神经网络。
　　泰特团队用一个拥有49个节点的硅光子神经网络来模拟某种微分方程的数学问题，并将其与普通的中央处理单元进行比较。结果表明，在此项任务中，光子神经网络的速度提升了3个数量级。
　　研究人员表示，这将开启一个全新的光子计算产业。泰特说：“硅光子神经网络可能会成为更庞大的、可扩展信息处理的硅光子系统家族的‘排头兵’”。

oh my god.skynet