网站 Banner

        想象一下，一台计算机不仅依赖电子设备，而且利用光更快、更高效地执行任务。 芬兰坦佩雷大学和法国玛丽和路易巴斯德大学的两个研究团队合作，现在已经展示了一种使用光和光纤处理信息的新方法，为构建超高速计算机开辟了可能性。

         博士后研究人员进行的研究 坦佩雷大学的 Mathilde Hary 博士来自贝桑松玛丽和路易巴斯德大学的 Andrei Ermolaev 演示了薄玻璃纤维内的激光如何模仿人工智能 （AI） 处理信息的方式。 他们的工作研究了一类被称为极限学习机的特殊计算架构，这是一种受神经网络启发的方法。

         “不是使用传统的电子设备和算法，而是通过利用激烈的光脉冲和玻璃，“Hary 和 Ermolaev 解释道。

         传统电子产品在带宽、数据吞吐量和功耗方面接近其极限。 AI 模型越来越大，能耗更高，电子设备只能以一定的速度处理数据。 另一方面，光纤可以以数千倍的速度转换输入信号，并通过极端非线性相互作用放大微小的差异，使其易于辨别。

         朝向高效计算

        在他们最近的工作中，研究人员使用飞秒激光脉冲（比相机闪光灯短十亿倍）和将光限制在小于人类头发几分之一的区域内的光纤来演示光学 ELM 系统的工作原理。 脉冲足够短，可以包含大量不同的波长或颜色。 通过以根据图像编码的相对延迟将它们发送到光纤中，它们表明生成的由光和玻璃的非线性相互作用转换的光纤输出端的波长光谱包含足够的信息来对手写数字进行分类（如流行的 MNIST AI 基准测试中使用的数字）。 据研究人员称，最好的系统在不到 1 皮秒的时间内达到了超过 91% 的精度，接近最先进的数字方法。

         值得注意的是，最好的结果并没有出现在非线互或复杂性的最高水平上; 但而是来自光纤长度、色散（不同波长之间的传播速度差）和功率水平之间的微妙平衡。

         “性能不仅仅是通过光纤推送更多功率的问题。 这取决于光最初结构的精确程度，换句话说，信息是如何编码的，以及它如何与光纤特性相互作用，“Hary 说。

         通过利用光的潜力，这项研究可以为新的计算方式铺平道路同时探索更高效架构的路线。

         Ermolaev 继续说道：“我们的模型显示了色散、非线性甚至量子噪声如何影响性能，为设计下一代混合光电子 AI 系统提供了关键知识。

         通过人工智能和光子学的合作研究推进光学非线性

         这两个研究团队都因其在非线性光-物质相互作用方面的专业知识而享誉国际。 他们合作将理论理解和最先进的实验能力相结合，将光学非线性用于各种应用。

         “这项工作展示了非线性光纤的基础研究如何推动新的计算方法。 通过融合物理学和机器学习，我们正在为超快和高能效的 AI 硬件开辟新的道路“坦佩雷大学的 Goëry Genty 教授以及坦佩雷大学的 John Dudley 和 Daniel Brunner 教授说领导团队的 Université Marie et Louis Pasteur。

         该研究将非线性光纤和应用 AI 相结合，以探索新型计算。 未来，他们的目标是构建可以在实验室外实时运行的片上光学系统。 潜在应用范围从实时信号处理到环境监测和高速 AI 推理。

         该项目由芬兰研究委员会、法国国家研究署和欧洲研究委员会。