【产通社，3月3日讯】香港中文大学研究设计了一种基于激光的人工神经元，模拟生物分级神经元的复杂功能，处理数据的速度比天然神经元快十亿倍。这项创新可以通过实现超快数据处理和显著节能来彻底改变AI和计算。

基于激光的人工神经元

基于激光的人工神经元，科学家们创造性的复制了生物分级神经元的功能、动力学和数据处理能力。这项突破性技术的信号处理速度为10 GBaud，比自然的同类技术快10亿倍，可以推动AI和高级计算系统的重大进步。

生物神经元有各种类型，包括分级神经元，它们通过膜电位的连续变化来处理信息，以进行精确而细微的信号传输。相比之下，尖峰神经元使用全有或全无的动作电位，以二进制、开或关的方式发送信号。

“我们的激光分级神经元克服了当前光子版本脉冲神经元的速度限制，并有可能实现更快的操作，”香港中文大学研究小组组长黄先生说。根据Optica出版集团的Optica杂志报道，他们基于芯片的量子点激光分级神经元可以实现10 GBaud的信号处理速度，在1秒钟内处理来自1亿次心跳或3470万张手写数字图像的数据。

“我们的技术可以在保持高准确性的同时，加快时间关键型应用的AI决策，”黄说。“我们希望将该技术集成到边缘计算设备中——在数据来源附近处理数据——将有助于更快、更智能的AI系统，在未来以更低的能耗更好地服务于现实世界的应用。”

激光分级神经元应用

激光分级神经元提供快速、神经元样的分级响应，非常适合高速储备池计算，为心律失常检测和图像分类等AI任务展示了出色的模式识别和序列预测。

基于激光的人工神经元可以模仿生物神经元的行为来响应输入信号，由于其超快的数据处理速度和低能耗，正在被探索作为一种显著增强计算的方法。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于这样一个事实，即它们通常通过将输入脉冲注入激光器的增益部分来工作。这会导致延迟，限制神经元的反应速度。对于激光分级神经元，研究人员使用了一种不同的方法，通过将射频信号注入量子点激光器的可饱和吸收部分，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，以产生更快、更简单、更节能的系统。

“凭借强大的记忆效应和出色的信息处理能力，单个激光分级神经元可以像一个小型神经网络一样运作，”黄说。“因此，即使没有额外复杂连接的单个激光分级神经元也可以高性能地执行机器学习任务。”

为了进一步展示他们的激光分级神经元的能力，研究人员用它制作了一个池计算系统。这种计算方法使用一种称为储备池的特殊类型的网络来处理与时间相关的数据，如用于语音识别和天气预测的数据。

在测试中，最终的储层计算系统在各种AI应用中以高处理速度展示了出色的模式识别和序列预测，特别是长期预测。例如，它每秒处理1亿次心跳，并以98.4%的平均准确度检测心律失常模式。

“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，就像大脑有数十亿个神经元在网络中一起工作一样，”黄说。“我们正在努力提高我们的激光分级神经元的处理速度，同时还在开发一种包含级联激光分级神经元的深度储备池计算架构。”

查询进一步信息，请访问官方网站https://www.cpr.cuhk.edu.hk。（Robin Zhang，产通数造）    （完）