離全光人工神經網路更近了

研究人員已經證明，可以使用光學電路（圖中的藍色矩形）訓練神經網路。 在完整的網路中，將有幾個光學電路鏈接在一起。激光輸入（綠色）對通過光波導（黑色）上的晶元傳送的信息進行編碼。該晶元使用可調諧分束器執行對人工神經網路至關重要的操作，該分束器由波導中的彎曲部分表示。這兩個部分將兩個相鄰的波導耦合在一起，並通過調整光學移相器（紅色和藍色發光物體）的設置進行調整，這些設置就像「旋鈕」，可以在訓練過程中調整以執行給定任務。圖片來源：Tyler W. Hughes, 斯坦福大學

研究人員們已經證明，可以直接在光學晶元上訓練人工神經網路。重大突破表明光學電路可以執行基於電子的人工神經網路的關鍵功能，並且可以使得執行諸如語音或圖像識別之類的複雜任務變得更便宜，更快速和更節能。

「使用光學晶元比數字計算機更有效地執行神經網路計算，且可以解決更複雜的問題，」斯坦福大學的研究小組負責人Shanhui Fan表示。「例如，這將增強人工神經網路執行自動駕駛汽車所需任務的能力，或者對口頭問題做出適當的反應。它還可以用我們現在無法想像的方式改善我們的生活。」

人工神經網路是一種類型的人工智慧，它使用連接單元以類似於大腦處理信息的方式處理信息。 使用這些神經網路執行複雜的任務（例如語音識別），需要訓練演算法的關鍵步驟來對輸入（例如不同的單詞）進行分類。

儘管最近通過實驗證明了光學人工神經網路，在傳統的數字計算機上使用模型進行訓練步驟，然後將最終設置導入光學電路。 在光學學會的高影響力研究期刊Optica上，斯坦福大學的研究人員們發表了一種通過實現「反向傳播」演算法的光學模擬直接在設備中訓練這些網路的方法，這是訓練傳統神經網路的標準方法。

「使用物理設備而不是計算機模型進行訓練可以使過程更加準確，」該論文的第一作者Tyler W. Hughes說。 「另外，由於訓練步驟是神經網路實現中非常耗費計算的一部分，因此光學執行此步驟對於提高人工網路的計算效率，速度和功耗至關重要。」

「使用物理設備而不是計算機模型進行訓練可以使過程更加準確，」該論文的第一作者Tyler W. Hughes說。 「另外，由於訓練步驟是神經網路實現中非常耗費計算的一部分，因此光學執行此步驟對於提高人工網路的計算效率，速度和功耗至關重要。」

光網路

儘管通常使用傳統計算機執行神經網路處理，但是設計專門針對神經網路計算優化的硬體仍需要大量的工作要做。 基於光學的設備非常令人感興趣，因為它們可以並行執行計算，同時使用比電子設備更少的能量。

在這項新工作中，研究人員通過設計一種複製傳統計算機訓練神經網路方式的光學晶元，克服了實施全光學神經網路的重大挑戰。

人工神經網路可以被認為是具有多個旋鈕的黑盒子。在訓練步驟過程中，這些旋鈕各自轉動一點，然後測試系統以查看演算法的性能是否得到改善。

「我們的方法不僅可以幫助預測轉動旋鈕的方向，還可以幫助調整每個旋鈕的旋轉程度，使您更接近理想的效果，」Hughes說。「我們的方法顯著加快了培訓速度，特別是對於大型網路，因為我們可以同時獲取有關每個旋鈕的信息。」

片上訓練

新的訓練協議在具有可調諧分束器的光學電路上運行，可通過改變光學移相器的設置來調整分束器。激光束編碼信息被發射到光學電路中並由通過分束器的光波導傳輸。

在新的訓練協議中，激光首先通過光學電路。退出設備後，計算與預期結果的差異。然後這些信息被用於產生新的光信號，通過光網路向相反的方向發送。通過測量在此過程中每個分束器周圍的光強度，研究人員展示了如何同時檢測每個分束器設置中神經網路性能的變化。可以根據這些信息改變移相器設置，並且可以重複該過程直到神經網路產生期望的結果。

研究人員用光學模擬測試他們的訓練技術，通過教授演算法來執行複雜的功能，例如在一組點內挑選出複雜的特徵。他們發現光學實現能與傳統計算機類似。

「我們的研究表明，你可以利用物理定律來實現計算機科學演算法，」Fan說。「通過在光學領域訓練這些網路，表明可以構建光學神經網路系統來執行某些功能。」

研究人員計划進一步優化系統，並希望用它來實現神經網路任務的實際應用。他們設計的一般方法可以與各種神經網路結構一起使用，也可以用於其他應用，例如可重構光學器件。

資料來源：美國光學學會提供的材料。 注意：可以根據樣式和長度編輯內容。

參考文獻：Tyler W. Hughes, Momchil Minkov, Yu Shi, Shanhui Fan. Training of photonic neural networks through in situ backpropagation and gradient measurement. Optica, 2018; 5 (7): 864 DOI:10.1364/OPTICA.5.000864

labup （https://www.labup.com）免費便捷的實驗室管理工具

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！