8月30日消息，港科大的研究團隊提出了一種全光學(xué)神經(jīng)網(wǎng)絡(luò)，所有線性變換、激活函數(shù)通過光學(xué)模塊就能實現(xiàn)。 5$9j&&R  
]C'r4Ch^  
EnfSVG8kB8  
近日，來自香港科技大學(xué)的研究團隊在《Optica》雜志上發(fā)表了一篇論文，詳細(xì)描述了他們提出的雙層全光學(xué)神經(jīng)網(wǎng)絡(luò)。這是一個功能完善的全光學(xué)神經(jīng)網(wǎng)絡(luò)（AONN），其中所使用的線性函數(shù)和非線性激活函數(shù)都是完全根據(jù)光學(xué)實現(xiàn)的。而且這種全光學(xué)神經(jīng)網(wǎng)絡(luò)還能擴展到更加復(fù)雜的神經(jīng)網(wǎng)絡(luò)架構(gòu)，從而完成圖像識別等更復(fù)雜的任務(wù)。 ~>qcV=F^d,  
`VS/Xyp  
i*F^;-q)  
在處理模式識別、風(fēng)險管理以及其他同樣復(fù)雜的任務(wù)時，最強大的計算機都無法與人腦匹敵。但是，近來光學(xué)神經(jīng)網(wǎng)絡(luò)取得的進展通過模擬人腦中神經(jīng)元的反應(yīng)方式縮小了計算機與人腦之間的差距。這種光學(xué)神經(jīng)網(wǎng)絡(luò)比 ML 中的網(wǎng)絡(luò)能耗更低、運算更快，是未來大規(guī)模應(yīng)用 AI 的堅實基礎(chǔ)。 TT29LC@  
o 0fsM;K  
這個復(fù)雜的東西就是一個兩層的全光學(xué)神經(jīng)網(wǎng)絡(luò)，它和機器學(xué)習(xí)中的兩層全連接網(wǎng)絡(luò)有點「類似」。 OvQG%D}P=  
6rR}qV,+{  
研究團隊成員之一 Junwei Liu 表示：「我們提出的全光學(xué)神經(jīng)網(wǎng)絡(luò)能夠以光速執(zhí)行光學(xué)并行計算，并且耗能極少。這種大規(guī)模的全光學(xué)神經(jīng)網(wǎng)絡(luò)可應(yīng)用于圖像識別以及科學(xué)研究等諸多領(lǐng)域�！� L-$GQGk{  
L]9*^al  
港科大的全光學(xué)神經(jīng)網(wǎng)絡(luò)是什么？ <ZCjQkka>r  
<.:B .k  
在傳統(tǒng)混合光學(xué)的神經(jīng)網(wǎng)絡(luò)中，光學(xué)組件通常用于線性運算，而非線性激活函數(shù)通常使用電子的方式實現(xiàn)。這主要因為非線性光學(xué)元器件需要高功率的激光器，這在光學(xué)神經(jīng)網(wǎng)絡(luò)中是很難實現(xiàn)的。 jg