未来深度学习的重点是光子计算

在当下，带有人类直觉的计算机被应用到很多案例中，比如计算机日常识别图像中的物体、转录语音、外语翻译、诊断医疗状况、玩复杂的游戏和驾驶汽车等等。

促成这些惊人发展的技术称为深度学习，这个术语指的是被称为人工神经网络的数学模型。深度学习是机器学习的一个子领域，是基于将复杂模型与数据拟合的计算机科学的一个分支。

虽然机器学习已经存在了很长时间，但深度学习近些年才开始崭露头角。因为越来越多的计算能力被广泛应用在各个领域——可以轻松收集并用于训练神经网络的大量数据。ASP站长网

千禧年左右，计算能力开始突飞猛进，当时图形处理单元 (GPU) 开始被 用于非图形计算领域，并且在过去十年的发展里这种趋势逐渐普及。但深度学习的计算需求增长得更快，这种动态促使工程师开发专门针对深度学习的电子硬件加速器，谷歌的TPU就是一个很好的例子。

本文笔者将介绍解决这个问题的一种不同以往的方法——使用光学处理器用光子而不是电子来执行神经网络计算。

人工神经元是使用在某种数字电子计算机上运行的特殊软件构建的。该软件为给定的神经元提供多个输入和一个输出。每个神经元的状态取决于其输入的加权和，非线性函数(称为激活函数)应用于该输入。最后，这个神经元的输出就成为各种其他神经元的输入。

这张计算机渲染图描绘了作者和他的同事为使用光执行神经网络计算而设计的光子芯片上的图案。

减少神经网络的能源需求可能需要使用光计算加持

为了保证计算效率，我们会给神经元进行分组，数据在相邻的组之间传输。通过线性计算方式进行科学计算，但随着网络规模的增长，神经元和组越来越多，线性计算越来越复杂。现代计算机硬件已经针对矩阵运算进行了很好的优化，线性计算也已经是高性能计算的基础。

（编辑：焦作站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!