一种新型的光学神经形态处理器可以运行的速度比以前任何类型的处理器快1000倍根据Swinburne技术大学的研究人员的说法。
据说他们新开发的用于人工智能的神经形态处理器（AI）应用程序可在每秒近11万亿个操作（顶部）工作。这将使它成为世界上最快，最强大的光学神经形态处理器，从而使其可以轻松，快速地处理超大规模的数据集。
人工神经网络：AI的当前关键
人工神经网络（ANN）是受到启发和旨在模拟组成人脑的神经元网络的计算系统。ANN基于一个称为人造神经元的连接节点的集合，这些节点用于帮助AI应用程序“学习”事物并以更类似人类的方式做出决策。
人工神经网络的典型结构的框图。图像哈里什·罗希尔（Harish Rohil）
AI的关键形式，ANN可以通过广泛的应用执行复杂的操作在面部识别，自然语言处理，医学诊断和语音翻译等领域。他们通过提取原始数据的关键特征来以前所未有的精度进行预测来做到这一点。
输入光学微型机
另一方面，光学神经网络通过利用宽阔的光带宽有望急剧提高计算速度。
在他们发表的研究中自然，Swinburne团队展示了通用的光矢量卷积加速器以10多个顶部运行，生成具有250,000像素的图像的卷积，使其足以容纳面部图像识别。同样的硬件也被用来以88％的精度成功识别手写数字图像。
Swinburne团队说，这是通过所谓的光学微型鸡肉实现的。微型胶体是由数百种红外激光组成的新型设备，它们都放在单个芯片上。
Xingyuan Xu博士在这里展示的微型炸弹芯片是新的光学神经形态处理器的组成部分。图像斯威本技术大学
与其他光源相比，这些光学芯片小得多，更轻，更快，更便宜。该团队的创新使用单个处理器，同时通过单个微型炸弹芯片在时间，波长和空间尺寸中交流数据。
将ANN推到一个新的水平
根据Xingyuan Xu博士的说法，该处理器能够作为任何神经形态硬件（无论是光学还是电子）的通用超高带宽前端，从而使大量数据机器学习用于实时超高带宽数据。
“We’re currently getting a sneak-peak of how the processors of the future will look," Dr. Xu explains in the university’s press release. "It’s really showing us how dramatically we can scale the power of our processors through the innovative use of micro-combs."
对顶部光学卷积加速器背后的操作原理的描述。图像自然
这种额外的功率也以较低的成本和能源消耗。这是因为光学技术与现有的硅技术相比，ANN的速度更快，更有效，随着AI和ANN变得更加先进，它们在处理速度和能源效率方面的瓶颈越来越多。
