美國麻省理工學院(mit)科學家在12日出版的《自然·光學》雜志上發(fā)表論文稱，他們開發(fā)出一種全新的光學神經網絡系統，能執(zhí)行高度復雜的運算，從而大大提高"深度學習"系統的運算速度和效率。
"深度學習"系統通過人工神經網絡模擬人腦的學習能力，現已成為計算機領域的研究熱門。但由于在模擬神經網絡任務中，需要執(zhí)行大量重復性"矩陣乘法"類高度復雜的運算，對于依靠電力運行的傳統cpu(中央處理器)或gpu(圖形處理器)芯片來說，這類運算太過密集，完成起來非常"吃力"。
通過幾年努力，mit教授馬林·索爾賈?？撕屯麻_發(fā)出光學神經網絡系統的重要部件--全新可編程納米光學處理器，這些光學處理器能在幾乎零能耗的情況下執(zhí)行人工智能中的復雜運算。索爾賈?？私忉尩?，普通眼鏡片就能通過光波執(zhí)行"傅里葉變換"這樣的復雜運算，可編程納米光學處理器采用了同樣的原理，其包含多個激光束組成的波導矩陣，這些光波能相互作用，形成干涉模式，從而執(zhí)行特定的目標運算。
研究小組通過測試證明，與cpu等電子芯片相比，這種光學芯片執(zhí)行人工智能算法速度更快，且消耗能量不到傳統芯片能耗的千分之一。他們還用可編程納米光學處理器構建了一個神經網絡初級系統，該系統能識別出4個元音字母的發(fā)音，準確率達到77%。他們的最終目標是，將可編程納米光學處理器交叉鋪成多層結構，構建光學網絡神經系統，模擬人腦中神經元執(zhí)行復雜的"深度學習"運算。
索爾賈希克表示，新光學處理器還能用于數據傳輸中的信號處理，更快速實現光學信號與數字信號間的轉換。未來，在大數據中心、安全系統、自動駕駛或無人機等所有低能耗應用中，基于新光學處理器的復雜光學神經網絡將占據重要席位。
更多資訊請關注電力電子頻道
網站客服
粵公網安備 44030402000946號