近年來,人工智能技術(shù)特別是機(jī)器學(xué)習(xí)算法取得了長足的進(jìn)步。這些技術(shù)在圖像識別、自然語言生成和處理以及物體檢測等任務(wù)中實現(xiàn)了前所未有的效率,但如此出色的功能需要大量的計算能力作為基礎(chǔ)。
當(dāng)前計算資源已接近極限,有效降低機(jī)器學(xué)習(xí)模型的訓(xùn)練成本、提高訓(xùn)練效率是研究領(lǐng)域的重要問題。
為了解決這個問題,人們在光學(xué)神經(jīng)網(wǎng)絡(luò)和量子神經(jīng)網(wǎng)絡(luò)兩個研究方向做出了巨大的努力。光神經(jīng)網(wǎng)絡(luò)利用先進(jìn)的光學(xué)操縱方法來執(zhí)行經(jīng)典光學(xué)信息處理中的機(jī)器學(xué)習(xí)算法。它們具有低能耗、低串?dāng)_、低傳輸延遲等獨特優(yōu)勢。然而,當(dāng)前的光學(xué)神經(jīng)網(wǎng)絡(luò)并沒有表現(xiàn)出算法加速,例如更快的模型收斂速度。
量子神經(jīng)網(wǎng)絡(luò)是基于量子計算理論的神經(jīng)網(wǎng)絡(luò)算法。最近的研究表明,由于量子相關(guān)性,量子神經(jīng)網(wǎng)絡(luò)可以展示算法加速。然而,由于技術(shù)限制,目前此類神經(jīng)網(wǎng)絡(luò)算法很難在硬件上大規(guī)模執(zhí)行,這使得它們在當(dāng)前人們面臨的實際問題中的應(yīng)用具有挑戰(zhàn)性。
先進(jìn)光電量子結(jié)構(gòu)與測量教育部重點實驗室張向東教授領(lǐng)導(dǎo)的科學(xué)家團(tuán)隊在《光:科學(xué)與應(yīng)用》雜志上發(fā)表了一篇新論文;北京理工大學(xué)物理學(xué)院納米光子學(xué)與超精細(xì)光電系統(tǒng)北京市重點實驗室及其同事開發(fā)了一種新型光學(xué)神經(jīng)網(wǎng)絡(luò),可以表現(xiàn)出與量子神經(jīng)網(wǎng)絡(luò)類似的加速性能。
這種有趣的性質(zhì)是由于引入經(jīng)典光學(xué)相關(guān)性作為信息載體而出現(xiàn)的。事實上,通過使用這種載體,人們可以模仿量子計算實現(xiàn)的信息處理方式,這一點已經(jīng)被研究人員的早期工作所證明。
標(biāo)簽:
免責(zé)聲明:本文由用戶上傳,如有侵權(quán)請聯(lián)系刪除!