基于人工神經(jīng)網(wǎng)絡(luò)算法的計(jì)算機(jī)深度學(xué)習(xí)系統(tǒng)已成為目前計(jì)算機(jī)領(lǐng)域研究的前沿?zé)狳c(diǎn)，它的原理是使人工神經(jīng)網(wǎng)絡(luò)算法模仿人腦從實(shí)踐中學(xué)習(xí)的方式進(jìn)行學(xué)習(xí)。它除了可以用來(lái)實(shí)現(xiàn)面部和聲音識(shí)別以外，還可通過(guò)搜尋大量的醫(yī)學(xué)數(shù)據(jù)來(lái)進(jìn)行醫(yī)學(xué)診斷，或者通過(guò)搜尋化學(xué)方程式來(lái)尋找潛在的新藥合成方式。
但是這類的系統(tǒng)的計(jì)算非常復(fù)雜，對(duì)機(jī)器要求很高，即使對(duì)于現(xiàn)有性能最強(qiáng)的計(jì)算機(jī)也不是件容易的事。
然而，來(lái)自于MIT的研究團(tuán)隊(duì)和他們的合作者，提出一種新的方法，用光子代替電子，來(lái)進(jìn)行計(jì)算。他們表示這種方法將會(huì)大大提高計(jì)算速度和效率。他們的實(shí)驗(yàn)結(jié)果今天發(fā)表在著名期刊《自然.光子學(xué)》（Nature Photonics）上，論文作者包括MIT博士后沈亦晨，研究生Nicholas Harris, Marin Solja?i?和Dirk Englund教授以及另外8個(gè)合作研究者。
圖丨可編程納米光子處理器概念圖
事實(shí)上，很多研究者長(zhǎng)期以來(lái)都在推廣基于光子的計(jì)算機(jī)。但Solja?i?表示，“他們太過(guò)于樂(lè)觀，結(jié)果往往事與愿違”。盡管很多基于光子計(jì)算機(jī)的應(yīng)用都是不切實(shí)際的，但基于光子的神經(jīng)網(wǎng)絡(luò)系統(tǒng)“可能對(duì)于某些應(yīng)用的深度學(xué)習(xí)算法是可行的”，他說(shuō)道。
Solja?i?的言論并非毫無(wú)道理。眾所周知，在人工智能算法中，包含有多次矩陣相乘的運(yùn)算，基于傳統(tǒng)計(jì)算機(jī)架構(gòu)的CPU和GPU在處理這些運(yùn)算的時(shí)候非常吃力，計(jì)算效率較低。針對(duì)這一問(wèn)題，Solja?i?和他的研究團(tuán)隊(duì)經(jīng)過(guò)多年的研究提出了這種基于光學(xué)的計(jì)算方法?！斑@種光學(xué)芯片的優(yōu)點(diǎn)在于一但被設(shè)置好，那么它開(kāi)展矩陣乘法運(yùn)算所消耗的能量，理論上說(shuō)可以為0?！盨olja?i?說(shuō)，“雖然目前我們還沒(méi)研制出整個(gè)系統(tǒng)，但已經(jīng)實(shí)現(xiàn)了核心部件的驗(yàn)證”
圖丨Marin Solja?i?
Solja?i?打比方說(shuō)，即使是一個(gè)最普通的眼鏡鏡片也會(huì)對(duì)穿過(guò)它的光波有一個(gè)復(fù)雜的運(yùn)算：傅立葉變換。新的光子芯片所執(zhí)行的運(yùn)算雖然比傅立葉變換簡(jiǎn)單的多，但基本原理類似。這種芯片使用多光束干涉技術(shù)，其干涉條紋信息反映了所需計(jì)算的結(jié)果。研究者稱這種芯片為可編程納米光子處理器。
沈亦晨表示，實(shí)驗(yàn)結(jié)果顯示這種光子芯片架構(gòu)理論上可以以更快的速度、更小的功耗來(lái)運(yùn)行人工智能算法：進(jìn)行相同的一次運(yùn)算所需的能量損耗甚至低于傳統(tǒng)芯片的千分之一。“利用光子來(lái)做矩陣乘法運(yùn)算的內(nèi)秉屬性是功耗降低和速度提升的主要原因，因?yàn)槊芗木仃嚦朔ㄟ\(yùn)算是人工智能算法中最耗時(shí)間和功率的?！?/p>
圖丨沈亦晨
這種納米光子處理器由Englund實(shí)驗(yàn)室的Harris等人研發(fā)。它基于一系列相互連接的光波導(dǎo)對(duì)光子進(jìn)行導(dǎo)引，這些光波導(dǎo)的連接可根據(jù)需要進(jìn)行設(shè)定和編程，以實(shí)現(xiàn)特定的運(yùn)算目的?！澳憧梢跃幊虒?shí)現(xiàn)任一矩陣操作” Harris說(shuō)。團(tuán)隊(duì)的終極計(jì)劃是利用多層交錯(cuò)的裝置實(shí)現(xiàn)非線性激活函數(shù)操作，就像大腦中神經(jīng)元的作用一樣。
為了驗(yàn)證這一概念，團(tuán)隊(duì)利用這個(gè)可編程納米光子處理器去實(shí)現(xiàn)辨識(shí)四個(gè)基本元音的神經(jīng)網(wǎng)絡(luò)算法。結(jié)果發(fā)現(xiàn)，盡管僅僅使用了一個(gè)初級(jí)的系統(tǒng)，他們也獲得了77%的準(zhǔn)確率，而傳統(tǒng)系統(tǒng)的準(zhǔn)確率為90％。Solja?i?表示，擴(kuò)展系統(tǒng)以獲得更高的準(zhǔn)確度“不存在障礙”。
Englund補(bǔ)充道，這個(gè)可編程納米光字處理器也可有其他方面的用途，如數(shù)據(jù)傳輸過(guò)程中的信號(hào)處理?！案咚倌M信號(hào)處理是此類處理器可以完成的”，而且要快于那些基于模擬——數(shù)字轉(zhuǎn)換的方法，因?yàn)楣獗旧砭褪且环N模擬的介質(zhì)。“這種方法可以直接在模擬域進(jìn)行運(yùn)算”他說(shuō)到。
與此同時(shí)，團(tuán)隊(duì)也表示還需要大量的時(shí)間和努力來(lái)使得這個(gè)系統(tǒng)可以實(shí)際應(yīng)用。而且，一旦這種系統(tǒng)擴(kuò)展成功并且完全的發(fā)揮其作用，它可以有非常多的應(yīng)用，比如數(shù)據(jù)中心或安全系統(tǒng)。這個(gè)系統(tǒng)還可以用于無(wú)人駕駛汽車或無(wú)人機(jī)，Harris表示，“在任何你需要進(jìn)行大量運(yùn)算但卻受到時(shí)間和功率限制的情況下，它都可以派上用場(chǎng)?！?/p>