光速运行的人工智能：玻璃纤维如何替代硅基大脑

由坦佩雷大学的博士后研究员玛蒂尔德·哈利（Mathilde Hary）博士和贝桑松玛丽·路易斯·巴斯德大学的安德烈·埃尔莫拉耶夫（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种特定类别的计算架构，称为极限学习机（Extreme Learning Machine），这是一种受神经网络启发的方法。

哈利和埃尔莫拉耶夫解释道：“我们没有使用传统的电子器件和算法，而是通过利用强激光脉冲与玻璃之间的非线性相互作用来实现计算。”

传统电子技术在处理带宽、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，能耗也越来越高，而电子器件处理数据的速度只能达到一定程度。另一方面，光纤可以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的差异，使其变得可识别。

迈向高效计算

在近期的工作中，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头发丝一小段还小区域内的光纤，演示了光学极限学习机系统的工作原理。这些脉冲足够短，可以包含大量不同波长或颜色。通过将这些脉冲按照图像信息编码的相对延迟发送到光纤中，他们证明了光与玻璃的非线性相互作用在光纤输出端产生的波长光谱，包含足够的信息来对手写数字（如流行的人工智能基准测试MNIST中使用的数字）进行分类。研究人员表示，最佳系统在低于一皮秒的时间内达到了91%以上的准确率，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。

哈利说：“性能并不仅仅是向光纤中注入更多功率的问题。它取决于光最初的构造有多精确，换句话说，信息是如何编码的，以及它如何与光纤特性相互作用。”

通过利用光的潜力，这项研究可以为探索通向更高效架构的路线铺平道路，同时开辟新的计算方式。

埃尔莫拉耶夫接着说：“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。”

通过人工智能和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得到国际认可。他们的合作汇集了理论理解与最先进的实验能力，以利用光学非线性实现各种应用。

领导团队的坦佩雷大学教授戈里·詹蒂（Goëry Genty）以及玛丽·路易斯·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，我们正在为超快且高能效的人工智能硬件开辟新道路”。

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，他们的目标是构建能够在实验室外实时运行的光学片上系统。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。