超高速人工智能：玻璃光纤或将取代硅基大脑

由坦佩雷大学的博士后研究员Mathilde Hary博士和贝桑松路易巴斯德大学的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设备和算法实现的，而是通过利用强光脉冲与玻璃之间的非线性相互作用来实现的，”Hary和Ermolaev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，能耗更高，而电子技术处理数据的速度只能达到某个上限。另一方面，光纤能以快数千倍的速度转换输入信号，并通过极端的非线性相互作用放大微小差异，使其变得可辨别。

迈向高效计算

在最近的工作中，研究人员使用飞秒激光脉冲（比相机闪光灯短十亿倍）和一根将光限制在比一小部分人发丝还小区域内的光纤，演示了光学极限学习机系统的工作原理。这些脉冲足够短，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送入光纤，他们表明，经过光和玻璃非线性相互作用后，在光纤输出端得到的光谱包含足够的信息来对手写数字进行分类（例如流行的MNIST AI基准测试中使用的数字）。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输送更多功率的问题。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，”Hary说。

通过利用光的潜力，这项研究可为探索更高效架构途径的同时，开辟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，为设计下一代光电子混合人工智能系统提供了关键知识，”Ermolaev继续说道。

通过AI与光子学的合作研究推进光学非线性

这两个研究团队在光与物质非线性相互作用方面的专业知识均享誉国际。他们的合作汇集了理论理解和最先进的实验能力，以利用光学非线性服务于各种应用。

“这项工作展示了非线性光纤光学的基础研究如何能推动计算的新方法。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Goëry Genty教授以及路易巴斯德大学的John Dudley和Daniel Brunner教授说道。

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。潜在应用范围包括实时信号处理、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。