擺脫電子元件　簡化卻更高效的光學神經網路

編譯／高晟鈞

光神經網路是與使用傳統電腦建構的人工神經網路具有相同功能的硬體設備。也就是說，它們可以被編程來執行機器學習任務，例如分類。研究人員表示，光學神經網路與生物神經網路相似，因為它們都「透過各種線性和非線性物理操作處理輸入資訊」。

人工智能所需運算能力的快速成長推動了對光子和量子運算等替代運算範式的探索。而此研究對於「最大限度地發揮光學計算的優勢」有著巨大幫助。

更多新聞：新一代光子神經網路　釋放人工智能潛力

優化後的馬赫-曾德干涉儀Mesh（MZI Mesh）

傳統的馬赫-曾德干涉儀Mesh具有許多優點，包括頻寬大、穩定性高。然而，其起初是為複值矩陣向量乘法而設計的，與現今硬體需求的矩陣類型不太一樣。因此，研究團隊針對Mesh進行了重新定制。

新的Mesh效率更高，移相器、自由度都是原本的一半。簡單來說，更少的移相器意味著更小的硬件，需要更少的電力來運作。此外，由於其檢測光的方式，簡化的Mesh更易於使用和製造。

MZI Mesh的開發過程

傳統的網格需要「相干」光，例如來自雷射的光，其波的大小、形狀和方向都相同。簡化的網格可偵測「非相干」光，這種光的波不太規則，可以由更多種光源產生。

「由於移相器存在，明顯是十分多餘的，因此，我們根據直覺重新對Mesh進行了設計。」作者周海龍說道。

此網格分幾個步驟開發，從用於複值光學矩陣的「類型0」傳統Mesh開始，發展到具有較少移相器的「類型1」Mesh，然後發展到具有附加輸出的「類型2」Mesh端口，最後是連接到佔用空間最小的「類型3」網格。最後經過數學證明與數值模擬，研究團隊發現了類型3網格的優秀性能。

他們希望這項技術能夠「真正擺脫電子元件」，省略將光訊號轉換為電訊號的過程。他們預計，擁有「數千個光學元件」和「可忽略不計的功耗」的強大晶片有一天將透過支援自動駕駛等運算複雜的任務，在我們的智慧生活中發揮重要作用。

資料來源:TechXplore

瀏覽 746 次