自适应光学神经网络连接数千个人工神经元
现代计算机模型(例如复杂、强大的人工智能应用程序)将传统数字计算机流程推向极限。新型计算架构模拟生物神经网络的工作原理,有望实现更快、更节能的数据处理。一组研究人员现已开发出一种所谓的基于事件的架构,该架构使用光子处理器,通过光来传输和处理数据。与大脑类似,这使得神经网络内的连接不断适应成为可能。这种可变的连接是学习过程的基础。为了这项研究的目的,1459 合作研究中心(“智能物质”)的一个团队加入了进来,该团队由来自明斯特大学的物理学家 Wolfram Pernice 教授和 Martin Salinga 教授以及计算机专家 Benjamin Risse 教授领导。与英国埃克塞特大学和牛津大学的研究人员合作。该研究发表在《科学进展》杂志上。
机器学习中的神经网络需要的是由外部兴奋信号激活并与其他神经元有连接的人工神经元。这些人工神经元之间的连接称为突触——就像生物原始神经元一样。在他们的研究中,明斯特的研究人员团队使用了一个由近 8,400 个光学神经元组成的网络,这些神经元由波导耦合相变材料制成,并且该团队表明,每个神经元之间的两个连接确实可以变得更强或更弱(突触)可塑性),并且可以形成新的连接,或消除现有的连接(结构可塑性)。与其他类似的研究相比,突触不是硬件元件,而是根据光脉冲的特性进行编码——换句话说,根据光脉冲的相应波长和强度进行编码。这使得在一块芯片上集成数千个神经元并以光学方式连接它们成为可能。
与传统的电子处理器相比,基于光的处理器提供了显着更高的带宽,使得能够以更低的能耗执行复杂的计算任务。这种新方法包括基础研究。主要作者之一 Frank Brückerhoff-Plückelmann 表示:“我们的目标是开发一种光学计算架构,从长远来看,它将能够以快速、节能的方式计算人工智能应用。”
方法:非挥发性相变材料可以在非晶结构和具有高度有序原子晶格的晶体结构之间切换。即使没有能源供应,此功能也可以永久存储数据。研究人员通过使用进化算法训练神经网络区分德语和英语文本来测试神经网络的性能。他们使用的识别参数是文本中元音的数量。
版权声明:本文由用户上传,如有侵权请联系删除!