斯坦福證明神經(jīng)網(wǎng)絡(luò)能直接在光學(xué)芯片上訓(xùn)練
據(jù)光學(xué)領(lǐng)域權(quán)威期刊Optica的報道，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(xùn)練人工神經(jīng)網(wǎng)絡(luò)。這一重大突破表明，光學(xué)電路可以實現(xiàn)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(jié)能的方式執(zhí)行語音識別、圖像識別等復(fù)雜任務(wù)。 JE0? @PI$
: *ERRSL)
“相比使用數(shù)字計算機(jī)，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(fù)雜的問題，”斯坦福大學(xué)研究團(tuán)隊的負(fù)責(zé)人范汕洄（Shanhui Fan）說：“這將增強(qiáng)人工神經(jīng)網(wǎng)絡(luò)的能力，例如，使其能夠執(zhí)行自動駕駛汽車所要求的任務(wù)，或者能夠?qū)陬^問題做出適當(dāng)?shù)幕卮�。這將以我們現(xiàn)在無法想象的方式改善我們的生活�！� ajW[eyX
$`|5/,M%QN
人工神經(jīng)網(wǎng)絡(luò)是人工智能的一種，它使用連接的單元，以類似大腦處理信息的方式來處理信息。使用人工神經(jīng)網(wǎng)絡(luò)執(zhí)行復(fù)雜的任務(wù)，例如語音識別，需要訓(xùn)練算法對輸入進(jìn)行分類，比如對不同的單詞進(jìn)行分類。 VS?dvZ1cC
ibvJ Wg
雖然光學(xué)人工神經(jīng)網(wǎng)絡(luò)最近已經(jīng)得到實驗證明，但此前的研究是在傳統(tǒng)的數(shù)字計算機(jī)上使用一個模型進(jìn)行訓(xùn)練步驟，然后將最終的設(shè)置導(dǎo)入光學(xué)電路。在最新Optica期刊上，斯坦福大學(xué)的研究人員報告了一種新方法，通過實現(xiàn)“反向傳播”算法（這是訓(xùn)練傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的標(biāo)準(zhǔn)方法）的光學(xué)模擬，直接在設(shè)備中訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)。 /H')~!Yz
Fse['O~
[attachment=85505] osl=[pm
圖：研究人員已經(jīng)證明，神經(jīng)網(wǎng)絡(luò)可以通過光學(xué)電路（圖中藍(lán)色矩形）進(jìn)行訓(xùn)練。在整個網(wǎng)絡(luò)中，有若干個這樣的電路連接在一起。激光輸入（綠色）的編碼信息由光波導(dǎo)（黑色）通過芯片。芯片使用可調(diào)波束分離器（光波導(dǎo)中彎曲的部分）執(zhí)行對人工神經(jīng)網(wǎng)絡(luò)至關(guān)重要的操作。分離器將兩個相鄰的波導(dǎo)連接在一起，并可通過調(diào)整光學(xué)移相器（紅色和藍(lán)色發(fā)光物體）的設(shè)置進(jìn)行調(diào)整。分離器的作用就像“旋鈕”，可以在特定任務(wù)的訓(xùn)練過程中進(jìn)行調(diào)整。Credit: Tyler W. Hughes, Stanford University U\Ct/U&A?
該論文的第一作者Tyler W. Hughes說：“使用物理設(shè)備而不是計算機(jī)模型進(jìn)行訓(xùn)練，可以使訓(xùn)練過程更精確�！薄岸�，由于訓(xùn)練步驟是神經(jīng)網(wǎng)絡(luò)實現(xiàn)中非常耗費計算力的部分，因此，在光學(xué)電路上執(zhí)行這個步驟，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�！� +p3 Z#KoC
TfJL+a0
基于光的網(wǎng)絡(luò) J"-_{)0lD
MRQZIi
雖然神經(jīng)網(wǎng)絡(luò)處理通常使用傳統(tǒng)的計算機(jī)進(jìn)行，但仍有大量的工作要專門設(shè)計針對神經(jīng)網(wǎng)絡(luò)計算優(yōu)化的硬件。基于光學(xué)的設(shè)備非常吸引人，因為它們可以并行地執(zhí)行計算，同時比電子設(shè)備消耗的能量更少。 1t+%Gv^sK
qgtn5] A
在這項新研究中，研究人員通過設(shè)計一種光學(xué)芯片來復(fù)制傳統(tǒng)計算機(jī)訓(xùn)練神經(jīng)網(wǎng)絡(luò)的方式，克服了實現(xiàn)全光學(xué)神經(jīng)網(wǎng)絡(luò)（all-optical neural network）的一個重大挑戰(zhàn)。 E *B Sfn&i
(Akd8}nf~
人工神經(jīng)網(wǎng)絡(luò)可以被視為一個帶有許多旋鈕的黑盒。在訓(xùn)練期間，每個旋鈕都要轉(zhuǎn)動一點，然后測試系統(tǒng)，查看算法的性能是否得到改善。 {VR`;
Vt'L1Wr0v
“我們的方法不僅可以幫助預(yù)測旋鈕轉(zhuǎn)動的方向，還可以預(yù)測每個旋鈕轉(zhuǎn)動的方向，從而更接近預(yù)期的性能。”Hughes說，“我們的方法大大加快了訓(xùn)練速度，特別是對于大型網(wǎng)絡(luò)，因為可以并行地獲得每個旋鈕的信息�！� !Cw!+fZ\l
MU|{g
5/
)
片上訓(xùn)練 [g#s&bF
[OzzL\)3l
新的訓(xùn)練協(xié)議在具有可調(diào)諧光束分離器的光學(xué)電路運行，通過改變光學(xué)移相器的設(shè)置進(jìn)行調(diào)整。具體來說，該方法是將編碼有待處理信息的激光束發(fā)射到光學(xué)電路中，由光波導(dǎo)通過光束分離器進(jìn)行傳輸，像旋鈕一樣進(jìn)行調(diào)整，以訓(xùn)練神經(jīng)網(wǎng)絡(luò)算法。 rJ Dnu R
|
|