Home在4月21日报道说，根据最新一期的《自然光子学》，美国宾夕法尼亚大学的工程师开发了第一个可以使用光进行非线性神经网络培训的可编程芯片。该芯片可以使用光训练非线性神经网络 - 成功的成功，可以显着加速AI训练，减少能耗，甚至可以为所有光学计算机提供。 ▲芯片内部的图像 - 白点框架是输入，而黄色的框架是输出。当前的AI芯片是电子的，并且依赖于计算功率，而该新芯片是光子芯片。在对自然光子学的描述中，芯片改变了光的照明，以在现代AI的核心进行非线性数学。大多数AI系统目前都取决于模仿生物神经组织的软件Thosenalic网络。正如神经元与思考生物的联系一样，神经网络也提供了AI系统EMS通过连接简单单元或“节点”的层执行复杂的任务。该团队的成功始于一种特殊的半导体材料，对光线做出了反应。当“信号”光的光束（携带输入数据）穿过材料时，从上方照亮的“泵”光的光束会调整材料的反应方式。通过改变泵灯的形状和强度，团队可以根据光和材料行为的强度来控制信号光的吸收，传递或增强。此过程是执行各种非线性功能的“程序”芯片。值得注意的是，研究这种情况并没有改变基本的芯片结构，而是使用了材料内部的光形成的模式来重建光线的方式。这会创建一个可重新配置的系统，该系统可以根据泵模式表达许多数学功能，从而根据输出反馈提供实时学习技能和自我修复。到v该团队用它来解决一些AI基准问题。在边境任务上的简单边界任务中，达到了超过97％的准确性。在虹膜数据集的流行问题中，准确性超过96％。它表明，光子芯片不仅具有可比性，甚至更好，而且与传统的数字神经网络相比，消耗能量更少，因为它减少了最新的希望。此外，该实验还表明，只有4个非线性光学连接可以实现20个固定功能的影响，这些固定功能不是激活传统模型的线，显示了该技术的巨大潜力。随着体系结构的扩展，效率将更加有意义。与以前固定的光子系统在上一家制造业之后制造的不同，这种新芯片为绘制程序提供了一个空白平台，该程序通过泵灯的动作进行指示，例如刷子。这是现场概念的实际证明AM Photon计算机，标志着以轻速迈向AI训练的重要一步。这是一个联合论文链接：https：//www.nature.com/articles/s41566-025-01660- x