全球首個可用作深度機器學習的全光學神經網絡圖。

　　【香港商報网訊】香港科技大學公布，成功研發全球首個可用作深度機器學習(machine learning)的全光學神經網絡，不但能讓人工智慧在處理較複雜的問題上，例如辨識事物之間的關係或風險評估等範疇，進一步追近人類，更可在能耗大幅度降低的情況下，以光速進行運算；此項研究為構建大規模的光學神經網絡推進一大步，將有助未來研發新一代人工智能(AI)硬件。

　　為相關研究推進一大步

　　一直以來，光學網絡操作僅限於線性(即算術中的加減法及乘法)運算，但只靠線性運算，並不能讓神經網絡模擬人類大腦運作而達至「深度學習」(Deep Learning)。人工智慧要掌握深度學習，須具有「非線性啟動函數」(non-linear activation functions) 的多層神經網絡。然而，在現存的光電混合神經網絡中，模擬人類大腦回應方式的「非線性啟動函數」乃透過電來實現，這限制了光學網絡的運算速度及能力。由科大物理學系杜勝望教授及劉軍偉教授所帶領的研究團隊，實現了首個全光學多層神經網絡，為構建大規模的光學神經網絡推進一大步。

　　科大研究團隊研發全球首個全光學多層神經網絡。圖為杜勝望教授(左中坐者)、劉軍偉教授(右中坐者) 、曹圭鵬教授(後排左邊站)及其研究團隊。

　　為突破限制，研究團隊利用冷原子介質內只需極低鐳射功率便能運作的「電磁波引發透明效應」(electromagnetically induced transparency, EIT)，來實現非線性啟用函式，並製作了一個雙層全光學的神經網絡。為測試成效，團隊利用這個網絡，對凝聚態物理學易辛模型(Ising model)中的有序相和無序相進行分類，發現與高性能電腦神經網絡運算的結果一樣準確。

　　刊於權威期刊《Optica》

　　杜教授表示：「雖然我們現在的成果只是一個概念驗證(proof-of-principle)的測試，但它表明新一代的光學人工智慧，即在低能耗的情況下進行快速運算，是有可能的。」

　　劉教授補充說：「未來，我們希望擴大此技術的規模，構建一個更大型、更複雜的全光學神經網絡，以作圖像識別等實際應用。」

　　研究結果近日刊登於權威期刊《Optica》，並獲美國光學學會撰寫新聞稿介紹。