NIST（National Institute of Standards and Technology）の研究者らは、物理学者組織ネットワークによる最近の報告によると、将来のニューラルネットワークのために信号を放出する能力を正確に分離するシリコンチップを開発した。研究は潜在的な設計方法を提供する。
人間の脳には数十億のニューロン（神経細胞）があり、各ニューロンの間に数千の接合点があります。多くの研究プロジェクトは、脳をシミュレートする人工ニューラルネットワーク回路に専念していますが、半導体回路電子デバイスであり、しばしば適切に機能するニューラルネットワークの非常に複雑な回線要件を満たすことができない。
ニューラルネットワークは、パターンの種類を迅速に特定し、データを正確に分析するなど、複雑な問題を解決する優れた能力を示しています。チャージ干渉。
NISTチームの物理学者Jeff Chilisは次のように述べています。「光の利点は、ニューラルネットワークのパフォーマンスをさらに最適化し、陸上惑星の探索や量子情報科学などの正確な科学的データ分析を実行できることです。高性能な無人車両制御システムの開発を加速します。
報告書によると、NISTは光導波路の2層を垂直に積み重ねることでチップを設計し、光信号の適用における主な問題を克服しています。この3次元設計により、複雑なルーティング機構が動作し、神経系の動作プロセスを模倣するのに必要なステップが完了します。
研究者らは、レーザがファイバを介してチップに伝わると、選択された光の強度と分布パターンに応じて、チップは各入力を出力グループにルーティングします。この方法の最終出力は非常に均一であり、エラー率は低く、正確な電力分布を達成する。
...また、新しい測定技術の開発に成功は、多くのデバイス特性光子システムが人として形成されていることができます。研究チームは、彼らが本当に最初の2つのことを行うことを言っ大きい透過光接続を実現するために3次元設計モデルを使用して開始しましたオプトエレクトロニクス神経系の大規模で詳細な研究のために、これら二つのブレークスルーは、重要な役割を果たします。
編集長
ニューラルネットワークは、人工知能の分野ですでに普及している技術であり、画像認識、顔認識、自然言語処理のいずれの分野においても、ニューラルネットワークが用いられており、確かに強力であるが、そのパワーにより、最低レベルのチップが提案される。新たな課題：従来のチップは、人工知能時代の前提となる計算要求をいつかロードすることができないと予期されていますが、現時点では、回路の代わりに光回路、データ伝送、多くのチームが既に光チップを開発していますが、結果は一般に実験段階です。工業化に向けて、コスト、一貫性、安定性などの要素を考慮する必要があります。