歷史上的11月19日發生的大事件

世界首個光子神經網路誕生

2016年11月19日(農曆2016年10月20日),世界首個光子神經網路誕生:比傳統方法快1960倍。以機器學習神經網路為代表的人工智慧技術正在改變我們生活的許多方面,對支撐這些技術所需的資料處理能力的需求也越來越強。而針對神經網路的結構開發出神經形態晶片(neuromorphicchip)有望能大幅提升神經網路的效能。日前,來自普林斯頓大學的AlexanderN.Tait等科學家在arXiv上發表了一篇題為《神經形態矽光子學(NeuromorphicSiliconPhotonics)》的論文,介紹了世界上首個「光子神經網路(PhotonicNeuralNetwork)」。和我們目前主流的基於電子的處理方式相比,光子的方式的速度可以達到更快、也能實現更高的頻寬。據MITTechnologyReview的報道介紹,開發光子神經網路這個難題的核心是生產一種每個節點都有相同的響應特徵的裝置以用作神經元。這些節點採用了微型的環形波導(tinycircularwaveguides)的形式,這些波導被蝕刻在矽襯底中,光可以在其中迴圈。當釋放這個光並調製在閾值處工作的一個鐳射的輸出時,該環境中輸入光的一點微小的改變就會給該鐳射的輸出帶來巨大的影響。其中的關鍵在於,該系統中的每個節點都工作在一定的光波長長——這是一種被稱為波長分波多工(wavedivisionmultiplexing)的技術。在來自各個節點的光被送入該鐳射之前會被總功率檢測求和。然後該鐳射輸出會被反饋回節點以創造出一個帶有非線性特徵的反饋迴路。那麼這種非線效能在多大程度上模擬神經行為呢。研究表明其輸出在數學上等效於一種被稱為連續時間迴圈神經網路(continuous-timerecurrentneuralnetwork)的輸出。這些研究者為進行概念驗證開發了一個49節點的矽光子神經網路——實驗表明在一個實驗性的差分系統模擬任務中比傳統方法快了1960倍!當然,驗證性的實驗不一定能夠適用於實際的應用場景,但毫無疑問,這一研究為基於光子的神經網路的發展提供了重要的推動力。在頻寬和速度需求日漸高漲的今天,這有望能為我們提供一種我們所需的解決方案。論文:神經形態矽光子學(NeuromorphicSiliconPhotonics)我們報告首次觀察到了整合模擬光子網路(integratedanalogphotonicnetwork),其中的連線(connection)是透過microringweightbanks和首次被用作光子神經元(photonicneurons)的電光調製器(electro-opticmodulators)配置而成。這種矽光子電路和連續神經模型之間的數學同構(mathematicalisomorphism)透過動態分叉分析(dynamicalbifurcationanalysis)而得到了證明。已有的神經工程工具可以利用這種同構性來適應矽光子資訊處理系統。我們使用一種「神經編譯器(neuralcompiler)」程式設計了一個的49節點的矽光子神經網路,它模擬了傳統的神經網路,並且預計其表現在一個實驗性的差分系統模擬任務中超過了傳統方法1960倍。利用了矽光子平臺的光子神經網路可以接入用於無線電、控制和科學計算的超快資訊處理環境。圖1:帶有用作神經元的調製器的STARbroadcast-and-weightnetwork。MRR:microringresonator,BPD:balancedphotodiode,LD:laserdiode,MZM:馬赫-曾德爾調製器(Mach-Zehndermodulator),WDM:波長分波多工器(wavelength-divisionmultiplexer)。圖2:帶有2個MZM神經元和一個外部輸入的實驗配置,陣列波導光柵(AWG)中進行波長複用,並耦合到一個片上broadcastand-weightnetwork。這個2×2的迴圈網路是由MRR權重配置的,w11,w12等等。神經元狀態由低通濾波跨阻抗放大器(low-passfilteredtransimpedanceamplifiers)的電壓s1和s2表示。