带有光纤的基于光的计算显示了超快速AI系统的潜力
作者：by Tampere University
想象一下，一台计算机不仅依赖于电子设备，而且使用光来更快，更有效地执行任务。现在，芬兰坦佩雷大学的两个研究团队与法国的玛丽·路易斯·巴斯德大学之间的合作展示了一种使用光和光纤处理信息的新颖方式，开辟了建造超快速计算机的可能性。研究发表在光学字母在arxiv预印服务器。
这项研究由坦佩雷大学的博士后研究人员Mathilde Hary博士和大学的Andrei Ermolaev博士进行激光光薄玻璃纤维内部可以模仿人工智能（AI）处理信息的方式。他们的工作调查了一种特定的计算体系结构，称为极端学习机，这是一种受神经网络启发的方法。
Harary和Ermolaev解释说：“与其使用常规的电子和算法，而是通过利用强烈的光脉冲与玻璃之间的非线性相互作用来实现计算。”
传统电子设备在带宽，数据吞吐量和功耗方面接近其极限。AI模型的增长越来越大，它们更渴望能源，电子产品只能将数据处理到一定速度。另一方面，光纤可以转换输入信号以速度更快数千次，并通过极端的非线性相互作用扩大微小的差异，以使其可辨别。
迈向有效的计算
在最近的工作中，研究人员使用了飞秒激光脉冲（比相机闪光灯短十亿倍）和光纤将光线限制在小于人类头发的区域中，以证明光ELM系统的工作原理。这些脉冲足够短，可以包含大量不同的波长或颜色。
通过将它们的相对延迟按照图像编码的相对延迟发送到纤维中，它们表明，由光和玻璃的非线性相互作用转换的纤维输出的波长频谱包含足够的信息来分类手写数字（例如在流行的MNIST AI基准中使用的数字）。根据研究人员的说法，最佳系统的准确性超过91％，靠近最先进的数字方法。
值得注意的是，最佳结果不是在非线性相互作用或复杂性的最大水平上发生的，而是来自纤维长度，分散（不同波长之间的传播速度差）和功率水平之间的微妙平衡。
Hary说：“性能不仅仅是通过光纤推动更多功率的问题。这取决于最初构造光的精确构造，换句话说，信息的编码方式以及如何与纤维属性相互作用。”
通过利用光线的潜力，这项研究可以为迈向新的计算方式铺平道路，同时探索通向更有效的体系结构的路线。
Ermolaev继续说：“我们的模型显示了分散性，非线性甚至量子噪声如何影响性能，为设计下一代混合光学电子AI系统提供了关键的知识。”
通过AI和Photonics的协作研究来推进光学非线性
这两个研究团队都因其在非线性光质互动方面的专业知识而在国际上得到认可。他们的合作汇集了理论理解和最新的实验能力，以利用各种应用的光学非线性。
“这项工作表明了非线性光纤中的基础研究如何推动新的计算方法。通过合并物理学和机器学习，我们正在向超快和能源有效的AI硬件开辟新的道路，”坦佩雷大学和约翰·达德利（John Dudley）和丹尼尔·布伦纳（Daniel Brunner）的教授说，”
该研究结合了非线性光纤，并应用了AI来探索新的计算类型。将来，他们的目的是建立可以实时和实验室外部运行的片上光学系统。潜在应用从实时信号处理到环境监测和高速AI推断。
更多信息：Andrei V. Ermolaev等人，基于光纤的极限学习机器的非线性和分散纤维传播的极限，光学字母（2025）。doi：10.1364/ol.562186。在arxiv：arxiv.org/abs/2503.03649
Mathilde Hary等人，使用高度非线性纤维的极端学习机的原理和指标，arxiv（2025）。doi：10.48550/arxiv.2501.05233
引用：带有光纤的基于光的计算显示了超快速AI系统的潜力（2025年，6月18日）检索2025年6月18日摘自https://phys.org/news/2025-06基于-optical-fibers-potential-ultra.html
该文档具有版权。除了为私人研究或研究目的的任何公平交易外，没有未经书面许可，可以复制部分。内容仅用于信息目的。
关于《带有光纤的基于光的计算显示了超快速AI系统的潜力》的评论
暂无评论