斯坦福证明神经网络能直接在光学芯片上训练

日前，美国斯坦福大学的研究人员已经证明，可以直接在光学芯片上训练人工神经网络。

这一重大突破表明，光学电路可以实现基于电子的人工神经网络的关键功能，进而可以以更便宜、更快速和更节能的方式执行语音识别、图像识别等复杂任务。

斯坦福大学研究团队的负责人范汕洄表示，相比使用数字计算机，使用光学芯片进行神经网络计算更有效，能够解决更复杂的问题，这将增强人工神经网络的能力。

虽然光学人工神经网络最近已经得到实验证明，但此前的研究是在传统的数字计算机上使用一个模型进行训练步骤，然后将最终的设置导入光学电路。斯坦福大学的研究人员研究出一种新方法，通过实现“反向传播”算法(这是训练传统神经网络的标准方法)的光学模拟，直接在设备中训练人工神经网络。

据介绍，该方法是使用物理设备而不是计算机模型进行训练，可以使训练过程更精确。由于训练步骤是神经网络实现中非常耗费计算力的部分，因此，在光学电路上执行这个步骤，对于改进人工神经网络的计算效率、速度和功耗都是至关重要的。