🔥买球·(中国大陆)APP官方网站

这种新设备愚弄光在芯片上实行深度神经收集的要道操作🔥买球·(中国大陆)APP官方网站，为大略及时学习的高速处理器大开了大门。

为现在最尖刻的机器学习应用提供能源的深度神经收集模子已经变得如斯宽敞和复杂，致使于它们正在破损传统电子谈论硬件的极限。

光子硬件不错愚弄光进行机器学习谈论，提供了一种更快、更节能的替代决策。然则，有一些类型的神经收集谈论是光子设备无法实行的，需要使用片外电子设备或其他技艺，这胁制了速率和成果。

经过十年的参谋，麻省理工学院和其他场合的科学家已经开发出一种新的光子芯片，克服了这些繁重。他们展示了一个都备集成的光子处理器，不错在芯片上光学地实行深度神经收集的所相重要谈论。

该光学设备大略在不到半纳秒的时天职完成机器学习分类任务的要道谈论，同期已毕逾越92%的准确率，这一性能与传统硬件十分。

该芯片由互相邻接的模块构成，酿成一个光学神经收集，弃取交易锻造工艺制造，这不错使该技艺的限制和集成到电子产物中。

从长久来看，光子处理器不错为激光雷达、天体裁和粒子物理学的科学参谋或高速电信等谈论条款高的应用带来更快、更节能的深度学习。

“在很厚情况下，模子的发扬若何并不是惟一伏击的事情，伏击的是你能多快获取谜底。现在咱们有了一个端到端系统，不错在纳秒的时分法度上运行光学神经收集，咱们不错启动在更高等次上想考应用和算法，”Saumil Bandyopadhyay说，他是电子参谋实验室（RLE）量子光子学和东谈主工智能小组的打听科学家，亦然NTT参谋公司的博士后，他是一篇对于新芯片的论文的主要作家。这项参谋今天发表在《当然光子学》杂志上。

机器学习与光

深度神经收集由好多互相邻接的节点层或神经元构成，它们对输入数据进行操作以产生输出。深度神经收聚首的一个要道操作触及使用线性代数来实行矩阵乘法，它在数据从一层传递到另一层时进行调遣。

但除了这些线性操作除外，深度神经收集还实行非线性操作，匡助模子学习更复杂的阵势。非线性运算，如激活函数，赋予深度神经收集措置复杂问题的才调。

2017年，该论文的资深作家Dirk Englund的团队与Cecil和Ida Green物理学老师Marin Soljačić实验室的参谋东谈主员沿途在单个光子芯片演出示了一种光学神经收集，该收集不错与光进行矩阵乘法。

但其时，该设备无法在芯片上实行非线性操作。光学数据必须被调遣成电信号，然后送到数字处理器进行非线性运算。

“光学中的非线性是十分具有挑战性的，因为光子胁制易互相作用。这使得触发光学非线性相配耗电，因此构建一个不错以可推广的表情完成的系统变得具有挑战性，”Bandyopadhyay解说谈。

他们通过盘算推算一种名为非线性光学功能单位（NOFUs）的设备克服了这一挑战，该设备将电子和光学长入起来，在芯片上已毕非线性操作。

参谋东谈主员在光子芯片上开拓了一个光学深度神经收集，使用三层器件进行线性和非线性操作。

都备集成的收集

一启动，他们的系统将深度神经收集的参数编码为光。然后，2017年论文中展示的一组可编程分束器对这些输入实行矩阵乘法。

然后，数据传递给可编程的NOFU， NOFU通过将极少的光虹吸到光电二极管中来已毕非线性功能，光电二极管将光信号调遣为电流。这个经过不需要外部放大器，耗尽的能量很少。

“咱们一直停留在光学界限，直到临了咱们想要读出谜底。这使咱们大略已毕超低延长，”Bandyopadhyay说。

已毕如斯低的延长使他们大略灵验地在芯片上磨练深度神经收集，这如故过被称为原位磨练，在数字硬件中雷同会耗尽普遍能量。

他说：“这对导航或电信等对光信号进行域内处理的系统卓越有用，但对那些想要及时学习的系统也很有用。”

该光子系统在磨练测试中达到96%以上的准确率，在推理经过中达到92%以上的准确率，与传统硬件十分。此外，该芯片在不到半纳秒的时天职完成要道谈论。

“这项责任标明，谈论 —— 其骨子是输入到输出的映射 —— 不错被编译到线性和非线性物理的新架构中，这使得谈论与所需的用功有了根柢不同的比例方法，”Englund说。

统统这个词电路是使用出产CMOS谈论机芯片的疏导基础智商和代工工艺制造的。这不错使芯片大限制出产，使用可靠的技艺，在制造经过中引入很少的误差。

Bandyopadhyay暗示，扩大他们的设备并将其与履行寰球的电子设备（如相机或电信系统）集成将是将来责任的主要重心。此外，参谋东谈主员但愿探索大略愚弄光学上风的算法，以更快的速率和更好的能源成果磨练系统。

这项参谋部分由好意思国国度科学基金会、好意思国空军科学参谋办公室和NTT参谋所资助。

 🔥买球·(中国大陆)APP官方网站