導讀 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了前所未有的...
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，人們在光學神經網絡和量子神經網絡兩個研究方向做出了巨大的努力。光神經網絡利用先進的光學操縱方法來執(zhí)行經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，當前的光學神經網絡并沒有表現出算法加速，例如更快的模型收斂速度。
量子神經網絡是基于量子計算理論的神經網絡算法。最近的研究表明，由于量子相關性，量子神經網絡可以展示算法加速。然而，由于技術限制，目前此類神經網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網絡，可以表現出與量子神經網絡類似的加速性能。
這種有趣的性質是由于引入經典光學相關性作為信息載體而出現的。事實上，通過使用這種載體，人們可以模仿量子計算實現的信息處理方式，這一點已經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，如有侵權請聯系刪除！