研究人员开发出一种基于激光的人工神经元，可完全模拟生物神经元的功能、动态和信息处理。这种新型激光神经元的信号处理速度为 10 GBaud，比生物神经元快十亿倍，有望在人工智能和其他类型的高级计算等领域取得突破。

　　人体含有各种类型的神经细胞，包括通过膜电位的连续变化来编码信息的分级神经元，从而实现精细而精确的信号处理。相比之下，生物脉冲神经元使用全或无动作电位传递信息，从而形成一种更二元化的通信形式。

　　“我们的激光分级神经元克服了当前光子版脉冲神经元的速度限制，并有可能实现更快的运行，”香港中文大学研究团队负责人黄超然表示。“通过利用其类似神经元的非线性动力学和快速处理能力，我们构建了一个储层计算系统，该系统在模式识别和序列预测等人工智能任务中表现出色beat365体育官方网站。”

　　在Optica Publishing Group 旗下高影响力研究期刊《Optica》上，研究人员报告称，他们基于芯片的量子点激光分级神经元可以实现 10 GBaud 的信号处理速度。他们利用这一速度在一秒钟内处理了 1 亿次心跳或 3470 万张手写数字图像的数据。

　　黄仁勋表示：“我们的技术可以加速时间关键型应用中的人工智能决策，同时保持高精度。我们希望将我们的技术集成到边缘计算设备中（在数据来源附近处理数据），这将促进更快、更智能的人工智能系统，以便在未来以更低的能耗更好地服务于现实世界的应用。”

　　更快的激光神经元

　　基于激光的人工神经元可以模仿生物神经元的行为对输入信号做出反应，由于其数据处理速度超快且能耗低，人们正在探索将其作为显著增强计算能力的一种方式。然而，迄今为止开发的大多数人工神经元都是光子脉冲神经元。这些人工神经元的响应速度有限，可能会出现信息丢失，并且需要额外的激光源和调制器。

　　光子脉冲神经元的速度限制来自于这样一个事实：它们通常通过将输入脉冲注入激光器的增益部分来工作。这会导致延迟，从而限制神经元的响应速度。对于激光分级神经元，研究人员采用了一种不同的方法，将射频信号注入量子点激光器的可饱和吸收部分，从而避免了这种延迟。他们还为可饱和吸收部分设计了高速射频垫，以产生更快、更简单、更节能的系统。

　　“凭借强大的记忆效应和出色的信息处理能力，单个激光分级神经元可以像一个小型神经网络一样运作，”黄教授说道，“因此，即使没有额外复杂连接的单个激光分级神经元也可以高性能地执行机器学习任务。”

　　高速水库计算

　　为了进一步展示激光分级神经元的能力，研究人员用它来制作一个储层计算系统。这种计算方法使用一种称为储层的特殊类型的网络来处理时间相关数据，例如用于语音识别和天气预报的数据。激光分级神经元具有类似神经元的非线性动力学和快速处理速度，使其成为支持高速储层计算的理想选择。

　　在测试中，由此产生的储层计算系统在各种人工智能应用中表现出色，模式识别和序列预测，特别是长期预测，处理速度快。例如，它每秒处理 1 亿次心跳，检测心律失常模式的平均准确率为 98.4%beat365中国官方网站。

　　“在这项研究中，我们使用了单个激光分级神经元，但我们相信级联多个激光分级神经元将进一步释放它们的潜力，就像大脑中有数十亿个神经元在网络中协同工作一样，”黄说。“我们正在努力提高激光分级神经元的处理速度，同时也在开发一种包含级联激光分级神经元的深度存储层计算架构。”