声波光子计算

德国马克斯普朗克光学科学研究所的施蒂勒研究小组与美国麻省理工学院的恩格兰德研究小组合作开展的研究成功地为光子机器学习增添了声波维度，从而为新型可重构神经形态建造块奠定了基础。他们利用光在光纤中产生临时声波，这种方法产生的声波能够实现电信光纤中的循环功能，对于解释语言等上下文信息至关重要。

目前，人工智能已经变得司空见惯，并帮助我们应对日常任务。然而，语言模型如ChatGPT的巨大能量消耗成为一个问题，因此需要新的解决方案来加速信号处理并降低能耗。

神经网络有望成为人工智能的支柱。将其构建为光神经网络（基于光而不是电信号）可以以极高的速度、极高的能效处理大容量数据。然而，迄今为止，许多实验性方法都依赖于固定组件和稳定设备。现在，由德国马克斯普朗克光学科学研究所的Birgit Stiller博士领导的国际研究小组找到了一种基于声波的可重构建造块的方法，用于光子机器学习。

研究团队通过光驱动方式在光纤中产生传播的声波来操作光神经网络的计算步骤。声波的传输时间比光信息流长得多，因此它们在光纤中停留时间更长，可以依次链接到每个后续的处理步骤。这一过程的独特之处在于完全由光控制，不需要复杂的结构和换能器。

该团队首次实验验证的第一个建造块是一种循环运算符，这在递归神经网络领域被广泛使用。它允许链接一系列计算步骤，因此为每个单独的计算步骤提供上下文。

未来，利用声波进行光神经网络可能会解锁新的光神经形态计算，使其在现有的通信网络中实现大规模内存计算。同时，在芯片上实现光神经网络也可以从这种方法中受益，而无需额外的电子控制。

总的来说，使用声波进行光神经网络可以为信息的并行处理和能效高效操作带来巨大潜力，成为一种全光控制且易于操作的工具。