經(jīng)典光學(xué)神經(jīng)網(wǎng)絡(luò)展現(xiàn)出量子加速

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：