光速AI：玻璃纤维如何替代硅基大脑

由坦佩雷大学博士后研究员玛蒂尔德·哈里（Mathilde Hary）博士和贝桑松玛丽与路易·巴斯德大学（Université Marie et Louis Pasteur）博士后研究员安德烈·叶尔莫拉耶夫（Andrei Ermolaev）博士开展的研究，展示了细玻璃光纤内的激光如何能够模拟人工智能（AI）处理信息的方式。他们的工作研究了一种特定类型的计算架构，称为极限学习机（Extreme Learning Machine），这是一种受神经网络启发的方法。

哈里和叶尔莫拉耶夫解释道：“计算并非使用传统的电子设备和算法，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。”

传统电子学在带宽、数据吞吐量和功耗方面正接近极限。人工智能模型日益庞大，能耗更高，而电子学处理数据的速度存在上限。相比之下，光纤能以快数千倍的速度转换输入信号，并通过极端的非线性相互作用放大微小差异，使其可被识别。

迈向高效计算

在最近的研究中，研究人员使用飞秒激光脉冲（比相机闪光灯短十亿倍）和一根将光限制在比人类头发丝还细小区域的光纤，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后将这些脉冲送入光纤，他们证明了：经由光与玻璃的非线性相互作用，在光纤输出端得到的光谱波长结果包含了足够的信息，可用于对手写数字（如流行的MNIST人工智能基准测试中使用的数字）进行分类。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达到最高水平时；而是源于光纤长度、色散（不同波长间的传播速度差异）和功率水平之间的微妙平衡。

哈里指出：“性能改进并非简单地通过光纤传输更强功率就能实现。它取决于光最初的构造精度，换句话说，取决于信息如何编码，以及它如何与光纤特性相互作用。”

通过利用光的潜力，这项研究为探索更高效架构的途径，同时为新型计算方式铺平道路。

叶尔莫拉耶夫继续说道：“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，为设计下一代光电混合人工智能系统提供了关键知识。”

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-物质相互作用领域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，旨在利用光学非线性实现多种应用。

领导团队的坦佩雷大学教授戈里·让蒂（Goëry Genty）以及玛丽与路易·巴斯德大学的约翰·达德利（John Dudley）教授和丹尼尔·布鲁纳（Daniel Brunner）教授表示：“这项工作展示了非线性光纤光学的基础研究如何推动计算新方法的发展。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”。

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

该项目由芬兰研究委员会、法国国家研究署和欧洲研究理事会资助。