斯坦福證明神經(jīng)網(wǎng)絡(luò )能直接在光學(xué)芯片上訓練

　　日前，美國斯坦福大學(xué)的研究人員已經(jīng)證明，可以直接在光學(xué)芯片上訓練人工神經(jīng)網(wǎng)絡(luò )。

　　這一重大突破表明，光學(xué)電路可以實(shí)現基于電子的人工神經(jīng)網(wǎng)絡(luò )的關(guān)鍵功能，進(jìn)而可以以更便宜、更快速和更節能的方式執行語(yǔ)音識別、圖像識別等復雜任務(wù)。

　　斯坦福大學(xué)研究團隊的負責人范汕洄表示，相比使用數字計算機，使用光學(xué)芯片進(jìn)行神經(jīng)網(wǎng)絡(luò )計算更有效，能夠解決更復雜的問(wèn)題，這將增強人工神經(jīng)網(wǎng)絡(luò )的能力。

　　雖然光學(xué)人工神經(jīng)網(wǎng)絡(luò )最近已經(jīng)得到實(shí)驗證明，但此前的研究是在傳統的數字計算機上使用一個(gè)模型進(jìn)行訓練步驟，然后將最終的設置導入光學(xué)電路。斯坦福大學(xué)的研究人員研究出一種新方法，通過(guò)實(shí)現“反向傳播”算法(這是訓練傳統神經(jīng)網(wǎng)絡(luò )的標準方法)的光學(xué)模擬，直接在設備中訓練人工神經(jīng)網(wǎng)絡(luò )。

　　據介紹，該方法是使用物理設備而不是計算機模型進(jìn)行訓練，可以使訓練過(guò)程更精確。由于訓練步驟是神經(jīng)網(wǎng)絡(luò )實(shí)現中非常耗費計算力的部分，因此，在光學(xué)電路上執行這個(gè)步驟，對于改進(jìn)人工神經(jīng)網(wǎng)絡(luò )的計算效率、速度和功耗都是至關(guān)重要的。