IT之家4月21日消息，据最新一期《自然・光子学》杂志报道，美国宾夕法尼亚大学的工程师们recently developed a pioneering programmable chip that enables non-linear neural network training using light.

该芯片可以使用光来训练非线性神经网络，这一划时代的突破可以显著加快人工智能的训练速度，减少能耗，甚至为全光计算机的发展铺平道路。

▲ 芯片内部的图像——白色虚线框标识输入，黄色虚线框标识输出。

当前的 AI 芯片是电子的，依赖电力进行计算，而这款新芯片是光子芯片。在《自然・光子学》杂志的描述中，这款芯片改变了光的行为，以执行现代 AI 核心中的非线性数学，开启了一个全新的计算时代。

目前，大多数 AI 系统都依赖于神经网络，這是一种模仿生物神经组织的软件。正如神经元之间的连接使生物体能够思考一样，神经网络通过连接简单的单元或“节点”的层，使 AI 系统能够执行复杂的任务。

该团队的突破始于一种特殊的半导体材料，它能对光做出反应。当一束“信号”光（携带输入数据）穿过该材料时，一束从上方照射的“泵浦”光束将对材料的反应进行调整。

通过调整泵浦光的形状和强度，研究团队可以精确控制信号光的吸收、传输或放大，这一切取决于光的强度和材料的行为。在这个过程中，“编程”芯片可以执行不同的非线性函数，实现复杂的光学操作。

值得注意的是，这项研究并未改变芯片的基础结构，而是通过在材料内部形成的光学图案来重塑光线穿越的方式。这项创新技术造就了一个可以根据泵浦模式表达多种数学函数的可重构系统，使其具有实时学习能力，能够根据输出反馈调整自身行为。

为了验证该芯片的能力，团队成功地使用它解决了多项基准 AI 问题。在简单的非线性决策边界任务中，实现了高达 97% 的准确率；在著名的鸢尾花数据集问题上，达到了 96% 以上的准确率。这表明，光子芯片不仅能够与传统数字神经网络相媲美，甚至具有更高的性能和更低的能耗，因为它们减少了对耗电元件的依赖。

此外，实验还表明，只需 4 个非线性的光学连接，就能够实现传统模型中 20 个固定非线性激活函数线性电子连接的效果，这种技术的巨大潜力也因此而展现出来。随着架构的进一步扩展，效率将因此而变得更加明显。

不同于以往制造后固定的光子系统，这款新芯片提供了一个空白的平台，通过泵浦光的作用，类似于画笔绘制，能够绘制出可编程指令，是现场可编程光子计算机概念的一次实际证明，标志着向光速训练 AI 迈进的重要一步。