AI光速革命：玻璃光纤或可替代硅基芯片大脑

由坦佩雷大学博士后研究员玛蒂尔德·哈里（Mathilde Hary）博士和贝桑松玛丽·路易·巴斯德大学博士后研究员安德烈·叶尔莫拉耶夫（Andrei Ermolaev）博士进行的研究，展示了薄玻璃光纤内的激光如何模拟人工智能（AI）处理信息的方式。他们的工作研究了一类特定的计算架构，称为极限学习机（Extreme Learning Machine），这是一种受神经网络启发的方法。

“计算不是使用传统的电子技术和算法实现的，而是通过利用强光脉冲与玻璃之间的非线性相互作用实现的，”哈里和叶尔莫拉耶夫解释道。

传统电子技术在带宽、数据吞吐量和功耗方面正接近其极限。人工智能模型正变得越来越大，能耗越来越高，而电子技术处理数据的速度存在上限。另一方面，光纤能以快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差异，使其变得可识别。

迈向高效计算

在他们近期的工作中，研究人员使用飞秒激光脉冲（比相机闪光短十亿倍）和一根将光限制在比人类头发丝一小部分还小区域的光纤，演示了光学极限学习机系统的工作原理。这些脉冲足够短，可包含大量不同波长或颜色。通过根据图像编码相对延迟将这些脉冲发送到光纤中，他们证明了在光纤输出端，由光与玻璃的非线性相互作用转化产生的波长光谱，包含了足以对手写数字（如流行的人工智能基准 MNIST 中使用的数字）进行分类的信息。据研究人员称，最佳系统在不到一皮秒的时间内达到了超过91%的准确率，接近最先进的数字方法。

值得注意的是，最佳结果并非出现在非线性相互作用或复杂性的最高水平；而是源于光纤长度、色散（不同波长间的传播速度差）和功率水平之间的微妙平衡。

“性能并非简单地通过光纤增加功率就能提升。它取决于光最初被构造的精确程度，换句话说，信息如何被编码，以及它如何与光纤特性相互作用，”哈里说。

通过利用光的潜力，这项研究可能在探索通向更高效架构的路径的同时，为新的计算方式铺平道路。

“我们的模型展示了色散、非线性甚至量子噪声如何影响性能，这为设计下一代光电混合人工智能系统提供了关键知识，”叶尔莫拉耶夫补充道。

通过人工智能与光子学的合作研究推进光学非线性

两个研究团队在非线性光-物质相互作用方面的专业知识均获得国际认可。他们的合作将理论理解与最先进的实验能力相结合，以利用光学非线性实现各种应用。

“这项工作展示了非线性光纤光学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、高能效的人工智能硬件开辟新路径”，领导团队的坦佩雷大学教授格瑞·詹蒂（Goëry Genty）以及玛丽·路易·巴斯德大学的约翰·达德利（John Dudley）教授和丹尼尔·布鲁纳（Daniel Brunner）教授如是说。

该研究结合了非线性光纤光学和应用人工智能，以探索新型计算。未来，他们的目标是构建可在实验室外实时运行的片上光学系统。潜在应用范围涵盖实时信号处理、环境监测到高速人工智能推理。

该项目由芬兰研究理事会、法国国家研究署和欧洲研究委员会资助。