尖峰神經網路　受大腦啟發光電計算設備

編譯／高晟鈞

一個優秀的計算機處理器，需要良好的處理速度和存儲信息的能力。但我們該如何設計這樣的一個「人工大腦」呢？

真實的人腦是由超過800億個神經元組成，並通過數以萬計的突觸連接，相互協調與工作。人腦並沒有像標準的電腦一樣的中央處理器（CPU）；相反地，許多計算在腦海中是並存且同時執行的。雖然人腦的運行原理尚未被完全理解，但就現有的計算機技術，結合深度學習，科學家打造出了一個仿人腦的計算模型──尖峰神經網路（Spiking Neural Networks,簡稱SNN）。

在SNN中，信息如同大腦一般，是藉由動作電位的形式來處理的，如同真實神經元放電時所產生的電脈衝信號。其中一個關鍵特性是，SNN中，他們使用的是多工處理，而非像傳統神經網路使用批輛量處理。這也使得SNN可以對輸入的變化做出快速反應，並更有效地執行某些類型的計算。

近期，一篇發表在IEEE Journal of Selected Topics in Quantum Electronics的一篇文獻，利用了光電神經元、模擬電路和干涉儀網格的協同集成一個新的SNN設備。

作者表示，光電神經元可以接受來自光通信網路的輸入，並通過模擬電路來處理信息，並通過雷射光來將信息回傳網路。與傳統的純電子系統相比，此技術可以實現更快的數據傳輸和通信。

此外，由於SNN以連續方式，隨著時間處理數據，因此他十分適合位於實時環境中的應用程序。並且，隨著時間推移，信息的傳播會使其在不同時間尺度上形成多種形式的記憶；就如同人腦對於工作記憶、短期記憶和長期記憶的區分。

隨著SNN技術逐漸成熟，它將在諸多領域中大放異彩，包括了語音助手、即時字幕服務、自動駕駛汽車、監控系統和光雷達處理等等。

資料來源:TechXplore

瀏覽 318 次