据麻省理工《技术评论》网站报道，美国普林斯顿大学的科研团队研制出了全球首枚硅光子神经形态芯片，并证明其能将运算速度提高近2000倍。

　　科研团队将这种新型芯片的每一个节点以微型圆形波导的形式蚀刻进一个硅基座内，使光可在其中循环。当光被输入节点，就会调制在节点阈值处工作的激光器的输出，而激光的输出会被反馈回节点，从而创造出一个拥有非线性特征的反馈电路。关于这种非线性能模拟神经行为的程度，研究人员已证明其输出在数学上等效于“连续时间递归神经网络”。研究人员使用由49个光子节点组成的芯片网络对神经网络进行了模拟演示，并将其用于解决微分方程的数学问题，发现相较于普通的CPU，这种硅光子神经形态芯片能将运算速度提升1960倍。

　　这项成果使得神经形态芯片的速度得到了显著提升，有助于推动面部识别、对象识别、自然语言处理、机器翻译等人工智能技术应用的发展。

　　神经网络正席卷着计算世界。在它们的帮助下，研究人员得以推进机器学习的进程。面部识别、对象识别、自然语言处理、机器翻译……这些原本都是人类才有的技能，现在逐渐成为了机器的常规配置。

　　由于神经网络能够推动人工智能的发展，这给了研究人员更大的动力来创建更强大的神经网络。而这项研究的关键是创建类似神经元( neurons)的电路，即神经形态芯片(neuromorphic chip)。那么，如何使电路的速度得到显著提升?

　　现在，这一问题或许有了答案。据 MIT 报道，普林斯顿大学的 Alexander Tait 团队创建了全球首个光电子神经网络，并展示了其在计算上的超速度。

　　一直以来，光学计算都被寄予厚望 。光子的带宽要比电子高，因此可以更快地处理大量数据。但是，由于光学处理系统的成本过高，并没有被广泛使用。而在进行模拟信号等任务时，这种超快速数据处理能力只有光子芯片才能提供。

　　如今神经网络又给光子学提供了一个新的机会。“在硅光子平台的帮助下，光子神经网络的高速信息处理能力能够被用于无线电、控制计算等领域。”Alexander Tait 表示。

　　这个光子神经网络的核心是一种光学设备。它的每个节点都有神经元一样的响应特征。这些节点采用微型圆形波导的形式，被蚀刻进一个能容许光循环的硅基座内。一旦光被输入，它就会调制在阈值处工作的激光器的输出。在这个区域内，入射光的微小变化都会对激光的输出产生显著影响。

　　系统中的每个节点都使用一定波长的光，这一技术被称为波分复用(wave division multiplexin)。来自各个节点的光会被送入激光器，而且激光输出会被反馈回节点，创造出一个拥有非线性特征的反馈电路。这种输出在数学上等效于一种被称为“连续时间递归神经网络 (CTRNN) ”的设备。

　　Tait 团队表示，该设备可以极大地扩展编程技术，应用于更大的硅光子神经网络。

　　研究人员使用由 49 个光子节点组成的网络对神经网络进行模拟演示，以及光子神经网络如何被用于解决微分方程的数学问题。

　　Tait 将其与普通的 CPU 进行了对比。“在这项任务中，光子神经网络的有效硬件加速因子大约为 1960×，”，Tait 说，“这是一个 3 个数量级的速度。”

　　研究人员表示，这项研究打开了一个全新的光子计算行业的大门。 Tait 表示：“硅光子神经网络可能会是首个进入可扩展信息处理的、更广泛类别的硅光子系统的领军者。”