光子計算助力人工智慧！

深度學習是人工智慧領域的一個重要分支，它已經在圖像識別、自然語言處理、醫療診斷等領域取得了顯著的成果。然而，深度學習需要大量的計算資源和能源，這限制了其在實際應用中的發展。為了解決這個問題，科學家們一直在尋找更加高效和節能的深度學習方法。 最近，一項名為「光子神經網路」的技術引起了廣泛關注。這項技術利用光子器件來實現深度學習，具有高速、低功耗等優點。該技術相關成果已經發表在《Science》雜誌上。<br />
研究團隊設計了一種三層、四埠硅光子神經網路，並使用可編程相移器和光功率監測來解決分類任務。他們採用「原位反向傳播」（in situ backpropagation）方法來訓練神經網路，這是一種光子模擬傳統神經網路訓練方法的新技術。具體來說，在該技術中，通過干涉前向和後向傳播的光，來測量相移器電壓的反向傳播梯度。非線性函數和它們的導數是O（N）的計算複雜度，而最耗時的O（N^2）操作則通過光學加速實現。實驗結果表明，該技術與數字模擬相比具有相似的性能（測試準確率&gt; 94%），並且具有可擴展性。