首枚光子神经形态芯片问世!运算速度快3个数量级
【大咖・来了 第7期】10月24日晚8点观看《智能导购对话机器人实践》
据《麻省理工技术评论》杂志网站近日报道,美国普林斯顿大学的科研团队日前研制出全球首枚光子神经形态芯片,并证明其能以超快速度计算。该芯片有望开启一个全新的光子计算产业。
普林斯顿大学亚力山大·泰特团队的新成果是利用光子解决了神经网络电路速度受限这一难题。神经网络电路已在计算领域掀起风暴。科学家希望制造出更强大的神经网络电路,其关键在于制造出能像神经元那样工作的电路,或称神经形态芯片,但此类电路的主要问题是要提高速度。光子计算是计算科学领域的“明日之星”。与电子相比,光子拥有更多带宽,能快速处理更多数据。但光子数据处理系统制造成本较高,因此一直未被广泛采用。
团队研制出的光子神经网络的核心是一种光学设备——其中的每个节点拥有神经元一样的响应特征。这些节点采用微型圆形波导的形式,被蚀刻进一个光可在其中循环的硅基座内。当光被输入,接着会调节在阈值处工作的激光器的输出,在此区域中,入射光的微小变化都会对该激光的输出产生巨大影响。
该光学设备的原理在于:系统中的每个节点都使用一定波长的光,这一技术被称为波分复用。来自各个节点的光会被送入该激光器,而且激光输出会被反馈回节点,创造出一个拥有非线性特征的反馈电路。关于这种非线性能模拟神经行为的程度,研究表明其输出在数学上等效于一种被称为“连续时间递归神经网络(CTRNN)”的设备,这说明CTRNN的编程工具可以应用于更大的硅光子神经网络。
泰特团队用一个拥有49个节点的硅光子神经网络来模拟某种微分方程的数学问题,并将其与普通的中央处理单元进行比较。结果表明,在此项任务中,光子神经网络的速度提升了3个数量级。
研究人员表示,这将开启一个全新的光子计算产业。泰特说:“硅光子神经网络可能会成为更庞大的、可扩展信息处理的硅光子系统家族的‘排头兵’”。
点赞 0

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
-
上一篇
深度学习已经彻底改变了我们的生活
【大咖・来了 第7期】10月24日晚8点观看《智能导购对话机器人实践》 【51CTO.com快译】 如果把深度学习比作一个气泡,我们需要了解其弧度及折射原理,从而真正加以驾驭。 时至今日,机器学习已经开始观察我们的行为、倾向、相互作用与交流响应。深度学习正是机器学习的下一步发展方向。虽然其在传统上常被用于帮助机器学习方案掌握文本数据,但如今深度学习已经开始尝试从视频、音频、音乐、图像以及传感器数据等更为复杂的内容形式中提取信息。 无论是计算机视觉识别、人类识别、语音识别还是自然语言处理,这一切都已经成为“建设性”技术应用范例。之所以具备突破性,是因为其并非简单调用预先存储的历史数据,而亦可根据学习经验修改、恢复以及注释其发现的结论甚至是物理对象。 事实上,深度学习分析 目的在于识别真实数据中的真实模式。如果这种建设性能力可应用于总结经验、设计方案以及记录历史,甚至能够以惊人的逼真性反馈于我们的身体,那么现实与幻想之间的界线将变得非常模糊。或许有一天,我们可能将预算法作为经验的基石,而彻底失去人类的自我意识? 这并非形而上性质的冥想。事实上,深度学习已经迈进至以下阶段: ·可以通过在原...
-
下一篇
Linux 25年发展历史带给我们的9项启示
【大咖・来了 第7期】10月24日晚8点观看《智能导购对话机器人实践》 【51CTO.com快译】Linux内核社区于2016年迎来了其二十五岁生日,很多朋友询问我们实现项目长久发展及成功的秘诀。对于这样的问题,我通常会以笑话回应——因为说实话,我也不知道这一切是怎样实现的。不过重要的是,我们之所以能够这样摸索向前,是因为社区自身拥有着强大的反省与变革能力。 大约十六年前,大多数内核开发者彼此从未谋面——大家只是通过邮件沟通。为了解决这个问题,随后出现了内核峰会。如今,Linux内核开发者们每年都会齐聚一堂,共同探讨技术问题并反思自己过去一年中哪些事做得对、而哪些事做得不够理想。我们会开发Git这类新型工具,从而不断改变彼此间协作的方式。 随着时间推移,这种演变带来了弹性,使得Linux项目能够不断迈上新的台阶,同时避免由fork带来的力量分散问题。也许其中确实有着一些重要的成功关键,下面我将试着阐述其中的9项启示。 1.保持较短发布周期非常重要。 在Linux项目发展早期,每套新的内核大版本往往需要数年才能发布一次。这意味着用户需要拿出大量时间等待新功能的加入,这对于使用者以及发行商...
相关文章
文章评论
共有0条评论来说两句吧...