线上配资开户网中国研究有人发明新型光子神经网络优于数字人工智能模型

盖世汽车讯几十年来线上配资开户网，科学家们一直将光视为加速计算的一种方式。光子神经网络——利用光而非电来处理信息的系统——有望比传统电子设备拥有更快的速度和更低的能耗。

然而，尽管这些系统潜力巨大，却难以达到数字神经网络的精度。一个关键原因是：大多数光子系统仍然在模仿数字模型的结构和训练方法，这在从软件到硬件的转换过程中会引入误差。

图片来源：期刊《Advanced Photonics Nexus》

据外媒报道，来自中国西北工业大学（Northwestern Polytechnical University）和东南大学（Southeast University）的研究团队开发出一种新型光子神经网络，摆脱了这种对数字模型的模仿。相关论文发表在《Advanced Photonics Nexus》期刊上。该设计利用光的物理变换直接处理信息，而无需依赖数学模型。这种方法不仅提高了精度，还为构建更智能、更快速的人工智能硬件指明了新的方向。

思考神经网络的新方法

传统的光子神经网络在转移到物理设备之前，需要先在计算机上进行数字训练。这个过程会在多个阶段引入误差：数学建模、参数舍入、硬件制造和系统组装。这些误差限制了最终系统的准确性。

为了克服这一限制，研究人员设计了一种“光子多突触神经网络（photonic multisynapse neural network）”，它能够以更直接、更物理的方式利用光来处理信息。该系统不再依赖数字计算，而是使用多条光路连接输入层和隐藏层。这些光路由空间光调制器和摄像头创建，它们可以实时操控和捕捉光模式。

该网络基于一个名为极限学习机（Extreme Learning Machine，ELM）的框架。在此设置中，输入图像被复制并通过多条光路发送。这些光路就像大脑中的突触，将输入神经元连接到隐藏神经元。然后，光图案被摄像头捕捉，转换成电信号，并进行处理以做出分类决策。

至关重要的是，隐藏层神经元是通过物理光变换随机生成的，而不是通过方程式生成的。这避免了试图用数字数学模拟物理过程所带来的错误。

该团队在三个著名的图像分类数据集上测试了他们的系统：MNIST（手写数字）、Fashion-MNIST（服装）和 CIFAR-10（物体彩色图像）。测试结果不仅超越了同等水平的数字神经网络，也超越了大多数现有的基于硬件的系统。随着任务变得更加复杂，例如在CIFAR-10数据集上，这种优势变得更加明显。

这项研究表明线上配资开户网，光子神经网络无需遵循与数字神经网络相同的规则。通过直接利用光的物理特性（而不是试图模拟它们），科学家可以构建更快、更准确的系统。

富赢网配资提示：文章来自网络，不代表本站观点。