美国宾夕法尼亚大学的工程师们开发了该芯片可以使用光来训练非线性神经网络 —— 这一突破可以显著加快 AI 训练速度，减少能耗，甚至为全光计算机铺平道路。

　　▲芯片内部的图像 —— 白色虚线框是输入，黄色虚线框是输出

　　当前的 AI 芯片是电子的，依赖电力进行计算，而这款新芯片是光子芯片。在目前大多数 AI 系统都依赖于神经网络，这是一种模仿生物神经组织的软件。正如神经元连接起来使生物体能够思考一样，神经网络通过连接简单单元或“节点”的层，使 AI 系统能够执行复杂任务。

　　通过改变泵浦光的形状和强度，团队可以控制信号光的吸收、传输或放大，这取决于光的强度和材料的行为。这个过程“编程”芯片执行不同的非线性函数。

　　值得注意的是，为了验证该芯片的能力，团队用其解决了多项基准 AI 问题。在简单的非线性决策边界任务中，实现了超过 97% 的准确率；在著名的鸢尾花数据集问题上，达到了 96% 以上的准确率。这表明，与传统数字神经网络相比，此外，实验还显示，只需 4 个非线性的光学连接就能达到传统模型中 20 个固定非线性激活函数线性电子连接的效果，展示了该技术的巨大潜力。随着架构的进一步扩展，效率将更加显著。

　　不同于以往制造后固定的光子系统，这款新芯片提供了一个空白的平台，可通过泵浦光的作用如同画笔般绘制出可编程指令，是现场可编程光子计算机概念的一次实际证明，标志着向光速训练 AI 迈进的重要一步。

　　附论文链接：