4 月 21 日消息，據最新一期《自然?光子學》雜志報道，美國賓夕法尼亞大學的工程師們開發了首款能夠利用光進行非線性神經網絡訓練的可編程芯片。

該芯片可以使用光來訓練非線性神經網絡 —— 這一突破可以顯著加快 AI 訓練速度，減少能耗，甚至為全光計算機鋪平道路。

▲ 芯片內部的圖像 —— 白色虛線框是輸入，黃色虛線框是輸出

當前的 AI 芯片是電子的，依賴電力進行計算，而這款新芯片是光子芯片。在《自然?光子學》雜志的描述中，這款芯片改變了光的行為，以執行現代 AI 核心中的非線性數學。

目前大多數 AI 系統都依賴于神經網絡，這是一種模仿生物神經組織的軟件。正如神經元連接起來使生物體能夠思考一樣，神經網絡通過連接簡單單元或“節點”的層，使 AI 系統能夠執行復雜任務。

該團隊的突破始于一種特殊的半導體材料，它能對光做出反應。當一束“信號”光（攜帶輸入數據）穿過該材料時，一束從上方照射的“泵浦”光束調整材料如何反應。

通過改變泵浦光的形狀和強度，團隊可以控制信號光的吸收、傳輸或放大，這取決于光的強度和材料的行為。這個過程“編程”芯片執行不同的非線性函數。

值得注意的是，這項研究并未改變芯片的基礎結構，而是利用光在材料內部形成的圖案來重塑光線穿越的方式。這造就了一個可以根據泵浦模式表達多種數學函數的可重構系統，使其具有實時學習能力，能根據輸出反饋調整自身行為。

為了驗證該芯片的能力，團隊用其解決了多項基準 AI 問題。在簡單的非線性決策邊界任務中，實現了超過 97% 的準確率；在著名的鳶尾花數據集問題上，達到了 96% 以上的準確率。這表明，與傳統數字神經網絡相比，光子芯片不僅性能相當，甚至更優，而且能耗更低，因為它們減少了對耗電元件的依賴。

此外，實驗還顯示，只需 4 個非線性的光學連接就能達到傳統模型中 20 個固定非線性激活函數線性電子連接的效果，展示了該技術的巨大潛力。隨著架構的進一步擴展，效率將更加顯著。

不同于以往制造后固定的光子系統，這款新芯片提供了一個空白的平臺，可通過泵浦光的作用如同畫筆般繪制出可編程指令，是現場可編程光子計算機概念的一次實際證明，標志著向光速訓練 AI 邁進的重要一步。

【來源： IT之家 】