一种基于激光的人工神经元

研究人员开发出一种基于激光的人工神经元，它能完全模拟生物分级神经元的功能、动态和信息处理。这种新型激光分级神经元的信号处理速度高达 10 GBaud（比生物分级神经元快 10 亿倍），有望在人工智能和其他类型的高级计算等领域实现突破。

人体内有各种类型的神经细胞，其中包括通过膜电位的连续变化来编码信息的分级神经元，可以进行微妙而精确的信号处理。相比之下，生物尖峰神经元通过全或无的动作电位来传输信息，从而形成一种二进制形式的通信。

来自香港中文大学的研究团队负责人Chaoran Huang说：“我们的激光分级神经元克服了目前光子版尖峰神经元的速度限制，并有可能实现更快的运行速度。通过利用其类似神经元的非线性动力学和快速处理，我们建立了一个水库计算系统，该系统在模式识别和序列预测等人工智能任务中表现出卓越的性能。”

在Optica出版集团的高影响力研究期刊《Optica》上，研究人员报告说，他们基于芯片的量子点激光分级神经元可以达到10 GBaud的信号处理速度。他们利用这一速度在一秒钟内处理了 1 亿次心跳或 3470 万张手写数字图像的数据。

图片:laser_graded_neuron.png

Huang 说：“我们的技术可以加快时间关键型应用中的人工智能决策，同时保持高准确性。我们希望，将我们的技术集成到边缘计算设备（在数据源附近处理数据）中，将促进更快、更智能的人工智能系统，在未来更好地服务于现实世界的应用，同时降低能耗。”

更快的激光神经元

基于激光的人工神经元能够以模仿生物神经元行为的方式对输入信号做出响应，由于其超高速的数据处理速度和低能耗，这种人工神经元正被探索作为一种显著增强计算能力的方法。然而，迄今为止开发的大多数都是光子尖峰神经元。这些人工神经元的响应速度有限，可能会出现信息丢失，并且需要额外的激光源和调制器。

光子尖峰神经元的速度限制来自于这样一个事实，即它们通常通过向激光器的增益部分注入输入脉冲来工作。这会导致延迟，从而限制了神经元的响应速度。对于激光分级神经元，研究人员采用了不同的方法，将射频信号注入量子点激光器的可饱和吸收部分，从而避免了这种延迟。他们还为可饱和吸收部分设计了高速射频垫，以产生一个更快、更简单、更节能的系统。

Huang 说：“凭借强大的记忆效应和出色的信息处理能力，单个激光梯度神经元的行为就像一个小型神经网络。因此，即使是没有额外复杂连接的单个激光分级神经元，也能以高性能执行机器学习任务。”

高速存储计算

为了进一步证明激光分级神经元的能力，研究人员用它制作了一个蓄水池计算系统。这种计算方法使用一种被称为 “水库 ”的特殊类型网络来处理与时间相关的数据，比如用于语音识别和天气预测的数据。激光分级神经元具有类似神经元的非线性动力学特性和快速处理速度，因此非常适合支持高速蓄水池计算。

在测试中，由此产生的水库计算系统在各种人工智能应用中表现出了出色的模式识别和序列预测能力，尤其是长期预测能力，而且处理速度极快。例如，它每秒处理1亿次心跳，检测心律失常模式的平均准确率达到98.4%。

在这项工作中，我们使用了单个激光分级神经元，但我们相信，级联多个激光分级神经元将进一步释放它们的潜力，就像大脑中有数十亿个神经元在网络中协同工作一样。Huang 说：“我们正在努力提高激光分级神经元的处理速度，同时还在开发一种结合级联激光分级神经元的深度水库计算架构。”

相关链接：https://doi.org/10.1364/OPTICA.537231