以光學晶片完成人工神經網路訓練
科技產業資訊室 (iKnow) - 王宣智 發表於 2018年8月3日
圖、以光學晶片完成人工神經網路訓練
神經網路的訓練是需要耗費大量的運算資源，通過軟體模擬完成訓練，再進入硬體設置將耗費大量的時間與能量。直接採用硬體完成神經網路的訓練已經漸漸成為趨勢。光學晶片的資訊傳輸速度更快，高能源效率應用的特性，讓光學電路有機會成為未來神經網路訓練重要的工具，可應用在語音或影像識別等領域。
雖然最近許多研究已經證實了光學人工神經網路的可行性，但是採用的方法是在電腦上使用模型進行人工神經網路的訓練，並將訓練好的設定下載至光學迴路。史丹佛的研究團隊採用直接光學迴路訓練人工神經網路中的反向傳播(backpropagation)算法，通過硬體完成神經網路的訓練。研究團隊以光學物理定律的方式類比了電腦科學的演算法，在光學晶片上刻化出可類比於電腦科學演算法的光學迴路。光學迴路晶片的特點是波導彎曲處設置可調分光鏡，耦合兩個相鄰波導，再利用類似電子式人工神經網路旋鈕的光學移相器調整光相位，執行訓練期間的特殊運算任務。
研究團隊利用影像的輪廓識別的方式，驗證光學迴路算法，通過讓光學迴路在一些節點資訊中辨識出複雜的特徵，得到傳統人工神經網路相近的結果，此架構推進了純光學硬體的人工神經網路晶片的進展。(560字；圖1)
參考資料：
Researchers Move Closer to Completely Optical Artificial
Neural Network. Photonics Media，2018/7/19
本站相關文章：
1.下世代的晶片技術：整合光子技術到半導體製程
2.超小 3D 光學微晶片製程技術
3.人工智慧的崛起與衝擊
4.電腦到光腦 挑戰物理極限
5.矽光子傳輸量大 引爆商機
--------------------------------------------------------------------------------------------------------------------------------------------
【聲明】
1.科技產業資訊室刊載此文不代表同意其說法或描述，僅為提供更多訊息，也不構成任何投資建議。
2.著作權所有，非經本網站書面授權同意不得將本文以任何形式修改、複製、儲存、傳播或轉載，本中心保留一切法律追訴權利。
|