據(jù)最新一期《自然·光子學(xué)》雜志報道，美國賓夕法尼亞大學(xué)團隊開發(fā)出首款能夠利用光進行非線性神經(jīng)網(wǎng)絡(luò)訓(xùn)練的可編程芯片。這項突破有望大幅加快人工智能（AI）的訓(xùn)練速度，同時降低能源消耗，并為研制全光驅(qū)動計算機奠定基礎(chǔ)。

在此之前，雖然已有研究團隊開發(fā)出處理線性數(shù)學(xué)運算的光學(xué)驅(qū)動芯片，但僅依靠光學(xué)方法表示非線性函數(shù)的技術(shù)難題一直未被攻克。而非線性函數(shù)對于深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練至關(guān)重要，沒有它，光子芯片就無法完成深度學(xué)習(xí)或執(zhí)行復(fù)雜的智能任務(wù)。

新進展依賴于一種對光敏感的特殊半導(dǎo)體材料。當(dāng)攜帶輸入數(shù)據(jù)的“信號”光穿過這種材料時，另一束“泵浦”光從上方照射下來，調(diào)節(jié)材料的響應(yīng)特性。通過調(diào)整泵浦光的形狀和強度，團隊可以根據(jù)信號光的強度及材料的反應(yīng)來控制信號光的吸收、傳輸或放大方式，從而對芯片進行編程以執(zhí)行不同的非線性功能。

值得注意的是，這項研究并未改變芯片的基礎(chǔ)結(jié)構(gòu)，而是利用光在材料內(nèi)部形成的圖案來重塑光線穿越的方式。這造就了一個可以根據(jù)泵浦模式表達(dá)多種數(shù)學(xué)函數(shù)的可重構(gòu)系統(tǒng)，使其具有實時學(xué)習(xí)能力，能根據(jù)輸出反饋調(diào)整自身行為。

為了驗證該芯片的能力，團隊用其解決了多項基準(zhǔn)AI問題。在簡單的非線性決策邊界任務(wù)中，實現(xiàn)了超過97%的準(zhǔn)確率；在著名的鳶尾花數(shù)據(jù)集問題上，達(dá)到了96%以上的準(zhǔn)確率。這表明，與傳統(tǒng)數(shù)字神經(jīng)網(wǎng)絡(luò)相比，光子芯片不僅性能相當(dāng)，甚至更優(yōu)，而且能耗更低，因為它們減少了對耗電元件的依賴。

此外，實驗還顯示，只需4個非線性的光學(xué)連接就能達(dá)到傳統(tǒng)模型中20個固定非線性激活函數(shù)線性電子連接的效果，展示了該技術(shù)的巨大潛力。隨著架構(gòu)的進一步擴展，效率將更加顯著。

不同于以往制造后固定的光子系統(tǒng)，這款新芯片提供了一個空白的平臺，可通過泵浦光的作用如同畫筆般繪制出可編程指令，是現(xiàn)場可編程光子計算機概念的一次實際證明，標(biāo)志著向光速訓(xùn)練AI邁進的重要一步。