近年來，人工智能技術特別是機器學習算法取得了長足的進步。這些技術在圖像識別、自然語言生成和處理以及物體檢測等任務中實現(xiàn)了前所未有的效率，但如此出色的功能需要大量的計算能力作為基礎。
當前計算資源已接近極限，有效降低機器學習模型的訓練成本、提高訓練效率是研究領域的重要問題。
為了解決這個問題，人們在光學神經(jīng)網(wǎng)絡和量子神經(jīng)網(wǎng)絡兩個研究方向做出了巨大的努力。光神經(jīng)網(wǎng)絡利用先進的光學操縱方法來執(zhí)行經(jīng)典光學信息處理中的機器學習算法。它們具有低能耗、低串擾、低傳輸延遲等獨特優(yōu)勢。然而，當前的光學神經(jīng)網(wǎng)絡并沒有表現(xiàn)出算法加速，例如更快的模型收斂速度。
量子神經(jīng)網(wǎng)絡是基于量子計算理論的神經(jīng)網(wǎng)絡算法。最近的研究表明，由于量子相關性，量子神經(jīng)網(wǎng)絡可以展示算法加速。然而，由于技術限制，目前此類神經(jīng)網(wǎng)絡算法很難在硬件上大規(guī)模執(zhí)行，這使得它們在當前人們面臨的實際問題中的應用具有挑戰(zhàn)性。
先進光電量子結(jié)構與測量教育部重點實驗室張向東教授領導的科學家團隊在《光：科學與應用》雜志上發(fā)表了一篇新論文;北京理工大學物理學院納米光子學與超精細光電系統(tǒng)北京市重點實驗室及其同事開發(fā)了一種新型光學神經(jīng)網(wǎng)絡，可以表現(xiàn)出與量子神經(jīng)網(wǎng)絡類似的加速性能。
這種有趣的性質(zhì)是由于引入經(jīng)典光學相關性作為信息載體而出現(xiàn)的。事實上，通過使用這種載體，人們可以模仿量子計算實現(xiàn)的信息處理方式，這一點已經(jīng)被研究人員的早期工作所證明。
標簽：
免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關。財經(jīng)信息僅供讀者參考，并不構成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權請聯(lián)系刪除！