研究人员开发了一种基于激光的人工神经元，它完全模拟了生物梯度神经元的功能、动力学和信息处理。这种新型激光渐变神经元的信号处理速度达到10gbaud，比生物神经元快10亿倍，可能会在人工智能和其他类型的高级计算等领域带来突破。

人体包含各种类型的神经细胞，包括通过膜电位的持续变化来编码信息的分级神经元，从而实现微妙和精确的信号处理。相比之下，生物尖峰神经元通过非全有即无的动作电位传递信息，创造了一种更二元的交流形式。

来自香港中文大学的研究小组负责人黄超然说：“我们的激光渐变神经元克服了目前光子版本的脉冲神经元的速度限制，并且有可能更快地运行。”“通过利用其类似神经元的非线性动力学和快速处理，我们建立了一个油藏计算系统，该系统在模式识别和序列预测等人工智能任务中表现出色。”

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渐变神经元可以实现10gbaud的信号处理速度。他们用这种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。

黄说：“我们的技术可以在保持高精度的同时，加速时间关键应用中的人工智能决策。”“我们希望将我们的技术集成到边缘计算设备中——它在源头附近处理数据——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可以模仿生物神经元的行为对输入信号做出反应，由于其超快的数据处理速度和低能耗，正在被探索为一种显着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。这些人造神经元的响应速度有限，可能遭受信息丢失，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这样一个事实，即它们通常是通过向激光的增益部分注入输入脉冲来工作的。这会导致延迟，限制神经元的反应速度。对于激光渐变神经元，研究人员使用了一种不同的方法，将射频信号注入量子点激光的可饱和吸收部分，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，以生产更快，更简单，更节能的系统。

“凭借强大的记忆效果和出色的信息处理能力，单个激光渐变神经元可以像一个小型神经网络一样运行，”黄说。“因此，即使是一个没有额外复杂连接的单一激光渐变神经元，也可以高性能地执行机器学习任务。”

高速油藏计算

为了进一步证明他们的激光渐变神经元的能力，研究人员用它来制造一个储层计算系统。这种计算方法使用一种特殊类型的网络，称为水库，来处理与时间相关的数据，比如用于语音识别和天气预报的数据。激光梯度神经元的类神经元非线性动力学特性和快速的处理速度使其成为支持高速储层计算的理想选择。

在测试中，所得到的油藏计算系统在各种人工智能应用中表现出出色的模式识别和序列预测，特别是长期预测，处理速度快。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为98.4%。

黄说：“在这项工作中，我们使用了单个激光渐变神经元，但我们相信，级联多个激光渐变神经元将进一步释放它们的潜力，就像大脑有数十亿个神经元在网络中一起工作一样。”“我们正在努力提高激光渐变神经元的处理速度，同时也在开发一种包含级联激光渐变神经元的深层存储计算架构。”

作者：Optica

链接：https://www.sciencedaily.com/releases/2024/12/241219152223.htm

著作权归作者所有。

声明：海森大数据刊发或者转载此文只是出于传递、分享更多信息之目的，并不意味认同其观点或证实其描述。若有来源标注错误或侵犯了您的合法权益，请作者与本网联系，我们将及时更正、删除，谢谢。电话：152 6451 3609，邮箱：1027830374@qq.com