该芯片包含近8400个由波导耦合相变材料制成的功能人工神经元。研究人员训练这个神经网络根据元音频率来区分德语和英语文本。图片来源：乔纳斯·舒特/佩尼斯研究团队
科技日报记者 张梦然
德国明斯特大学、英国埃克塞特大学和牛津大学联合团队现已开发出一种所谓的基于事件的架构，该架构使用光子处理器，通过光来传输和处理数据。与大脑类似，这使得神经网络内的连接不断适应成为可能。这种可变的连接是学习过程的基础。该研究发表在新一期《科学进展》杂志上。
现代计算机模型（例如复杂、强大的人工智能应用程序）将传统数字计算机流程推向极限。新型计算架构模拟生物神经网络的工作原理，有望实现更快、更节能的数据处理。
机器学习中的神经网络需要的是由外部兴奋信号激活并与其他神经元有连接的人工神经元。这些人工神经元之间的连接称为突触，就像生物原始神经元一样。研究团队使用了一个由近8400个光学神经元组成的网络，这些神经元由波导耦合相变材料制成。
研究表明，每个神经元之间的两个连接确实可以变得更强或更弱（突触可塑性），且可形成新的连接，或消除现有的连接（结构可塑性）。与其他类似研究相比，突触不是硬件元件，而是根据光脉冲的特性进行编码。换句话说，根据光脉冲的相应波长和强度进行编码，这使得在一块芯片上集成数千个神经元并以光学方式连接它们成为可能。
与传统的电子处理器相比，基于光的处理器提供了更高的带宽，仅低能耗就可以执行复杂的计算任务。从长远来看，它将能以快速、节能的方式应用于人工智能。