研究人員開發(fā)出一種基于激光的人工神經元，它能完全模擬生物分級神經元的功能、動態(tài)和信息處理。這種新型激光分級神經元的信號處理速度高達 10 GBaud（比生物分級神經元快 10 億倍），有望在人工智能和其他類型的高級計算等領域實現突破。

人體內有各種類型的神經細胞，其中包括通過膜電位的連續(xù)變化來編碼信息的分級神經元，可以進行微妙而精確的信號處理。相比之下，生物尖峰神經元通過全或無的動作電位來傳輸信息，從而形成一種二進制形式的通信。

來自香港中文大學的研究團隊負責人Chaoran Huang說：“我們的激光分級神經元克服了目前光子版尖峰神經元的速度限制，并有可能實現更快的運行速度。通過利用其類似神經元的非線性動力學和快速處理，我們建立了一個水庫計算系統(tǒng)，該系統(tǒng)在模式識別和序列預測等人工智能任務中表現出卓越的性能。”

在Optica出版集團的高影響力研究期刊《Optica》上，研究人員報告說，他們基于芯片的量子點激光分級神經元可以達到10 GBaud的信號處理速度。他們利用這一速度在一秒鐘內處理了 1 億次心跳或 3470 萬張手寫數字圖像的數據。

圖片:laser_graded_neuron.png

Huang 說：“我們的技術可以加快時間關鍵型應用中的人工智能決策，同時保持高準確性。我們希望，將我們的技術集成到邊緣計算設備（在數據源附近處理數據）中，將促進更快、更智能的人工智能系統(tǒng)，在未來更好地服務于現實世界的應用，同時降低能耗。”

更快的激光神經元

基于激光的人工神經元能夠以模仿生物神經元行為的方式對輸入信號做出響應，由于其超高速的數據處理速度和低能耗，這種人工神經元正被探索作為一種顯著增強計算能力的方法。然而，迄今為止開發(fā)的大多數都是光子尖峰神經元。這些人工神經元的響應速度有限，可能會出現信息丟失，并且需要額外的激光源和調制器。

光子尖峰神經元的速度限制來自于這樣一個事實，即它們通常通過向激光器的增益部分注入輸入脈沖來工作。這會導致延遲，從而限制了神經元的響應速度。對于激光分級神經元，研究人員采用了不同的方法，將射頻信號注入量子點激光器的可飽和吸收部分，從而避免了這種延遲。他們還為可飽和吸收部分設計了高速射頻墊，以產生一個更快、更簡單、更節(jié)能的系統(tǒng)。

Huang 說：“憑借強大的記憶效應和出色的信息處理能力，單個激光梯度神經元的行為就像一個小型神經網絡。因此，即使是沒有額外復雜連接的單個激光分級神經元，也能以高性能執(zhí)行機器學習任務。”

高速存儲計算

為了進一步證明激光分級神經元的能力，研究人員用它制作了一個蓄水池計算系統(tǒng)。這種計算方法使用一種被稱為 “水庫 ”的特殊類型網絡來處理與時間相關的數據，比如用于語音識別和天氣預測的數據。激光分級神經元具有類似神經元的非線性動力學特性和快速處理速度，因此非常適合支持高速蓄水池計算。

在測試中，由此產生的水庫計算系統(tǒng)在各種人工智能應用中表現出了出色的模式識別和序列預測能力，尤其是長期預測能力，而且處理速度極快。例如，它每秒處理1億次心跳，檢測心律失常模式的平均準確率達到98.4%。

在這項工作中，我們使用了單個激光分級神經元，但我們相信，級聯多個激光分級神經元將進一步釋放它們的潛力，就像大腦中有數十億個神經元在網絡中協同工作一樣。Huang 說：“我們正在努力提高激光分級神經元的處理速度，同時還在開發(fā)一種結合級聯激光分級神經元的深度水庫計算架構。”

相關鏈接：https://doi.org/10.1364/OPTICA.537231