比人類神經元快10億倍！港中文、中科院「超級大腦」：1秒識圖3479萬張

新智元報導  

編輯：桃子

【新智元導讀】想像一下，一個比人類大腦快10億倍「超級大腦」是什麼概念？來自港中文、中科院物理所等機構研究人員，提出了突破性激光人工神經元，完美複刻了人類神經細胞功能，更創造了驚人的處理速度記錄。

人工神經元，比人類大腦快10億倍，將會是怎樣的景象？

如今，這一科幻般的場景，早已成為了現實。

來自香港中文大學、中國科學院物理研究所等機構科學家，成功開發出了一種基於「激光」的人工神經元。

最新研究已發表在Optica期刊上。

論文地址：https://opg.optica.org/optica/fulltext.cfm?uri=optica-11-12-1690&id=565919

這個基於芯片的量子點激光器，不僅能完全模仿真實神經細胞功能，更實現了驚人的速度——

即10GBaud信號處理速度，也就意味著它比生物神經元快整整10億倍。

如何理解這個速度有多快？

能夠在1秒內處理1億次心跳數據；能夠在1秒內分析3479萬張手寫數字圖像。

要知道，這個突破可能會徹底改變AI和先進計算領域，提升模式識別和序列預測的能力。

AI模仿生物神經元，飆升10億倍

這項突破性發現，為何如此重要？

在我們的身體中，存在著不同類型的神經細胞。

其中，梯級神經元（graded neurons）是通過持續改變膜電位來編碼信息，實現精細的信號處理。

相較之下，脈衝神經元（spiking neurons）則使用全有/全無的動作點位來傳遞信息，創造出更為二元的通信方式。

最新研究中技術的關鍵突破在於，創新的設計方法。

傳統的光子脈衝神經元，通常通過將輸入脈衝注入激光器的增益區域工作，這種方式會導致延遲，限制了神經元的響應速度。

如下圖所示，是脈衝神經元和梯級神經元的在輸入輸出的對比圖。

激光神經元，速度快能耗低

激光人工神經元能夠以模仿生物神經元行為的方式，對輸入信號做出響應，由於其超快的數據處理速度和低能耗，正被探索用作顯著增強計算的一種方式。

然而，迄今為止開發的大多數都是光子脈衝神經元。

這些人工神經元具有有限的響應速度，可能遭受信息丟失，並且需要額外的激光源和調製器。

光子脈衝神經元的速度限制，在最新研究中被打破了。

研究團隊另闢蹊徑，選擇將射頻信號注入量子點激光器的可飽和吸收區，巧妙地避開了這一限制。

他們還為可飽和吸收區設計了高速射頻板，從而產生了一個更快速、更簡單、節能的系統。

港中文研究小組負責人Chaoran Huang表示，「激光梯級神經元突破了當前光子脈衝神經元的速度限制，我們構建的一個儲層計算系統（reservoir computing system），在模式識別和序列預測等AI任務中展現出卓越的性能」。

他還稱，憑藉強大記憶效應和出色信息處理能力，單個激光梯度神經元，可以表現得像一個小型神經網絡。

因此即便是沒有額外複雜連接的單個激光梯級神經元，也能高效地執行機器學習任務。

高速儲層計算，1秒處理1億次心跳數據

為了進一步展示激光梯級神經元的能力，研究團隊將其用於構建儲層計算系統。

這是一種使用特定網絡（稱為存層）來處理時間相關數據的計算方法，常用於語音識別、天氣預測等領域。

激光梯級神經元的類神經元非線性動力學特性，以及快遞處理速度，使其成為支持高速儲層計算的理想選擇。

下圖所示，是儲層計算（RC）的架構圖。

RC源自循環神經網絡，是一種功能強大且經濟高效的計算框架，非常適合時間/順序信息的處理。

它主要由輸入層、存儲層和讀出層組成。在存儲層內，非線性節點之間的互聯是隨機的，權重是固定的，從而避免了對存儲層的訓練。

這裏，只有讀出層需要訓練，可以通過線性回歸等簡單且計算高效的方法來完成。

最新研究中，作者選擇讓激光梯級神經元充當激光儲層，來執行儲層計算。在輸入層中，輸入信號被編碼為注入激光儲層的電脈衝。

在具體實驗中，該系統展現出令人印象深刻的性能。

比如它每秒能處理1億次心跳數據，並以98.4%的平均準確率檢測到心率失常模式。

具體來講，研究人員使用經過處理的MIT-BIH心律失常數據集，開啟了失常心跳檢測的基準任務。

數據庫中包含從47名受試者獲得的48個半小時心電圖記錄摘錄，是第一個可廣泛用於評估心率失常檢測器的測試材料。

在處理後兩類MIT-BIH心率失常數據集中，原始心電圖波形被重新采樣，並被分成單個心跳，每個心跳由50個時間步長組成。

如下圖a所示，這些心跳被分類為兩組——健康組和心率失常組，分別標記為0和1。

而且，它還在各種AI應用中，展現出優秀的模式識別和序列預測能力，特別是在長期預測任務方面。

在MNIST手寫數據集任務中，研究人員又評估了激光儲庫的分類性能。MNIST數據集包含由28×28灰度像素組成的手寫數字圖像。

如下圖所示，通過使用六重交叉驗證方法計算的平均準確度，在四類MNIST手寫數字分類任務中達到92.3%。

有網民對此表示，聽到這樣的突破性進展，讓我更加確信我們正在指數增長曲線上穩步前進。

現在的發展速度已經快到了我完全無法預測6個月後甚至一年後我們會發展到什麼程度。也許我想得太超前了，但我確實能強烈感受到這些天技術進步的加速度。

那麼，激光神經元的發現，意味著什麼？

它能夠加速AI在時間關鍵應用中的決策過程，保持高精度的同時，顯著提升了處理速度。

若是某天它被整合到邊緣計算設備中，實現更快速、更智能的人工智能系統，將會顯著降低能源消耗。

研究人員表示，未來下一步，團隊努力將提升激光梯度神經元的處理速度，同時開發出包含級聯激光梯度神經元的深度儲層的計算架構。

參考資料：

https://www.optica.org/about/newsroom/news_releases/2024/december/laser-based_artificial_neuron_mimics_nerve_cell_functions_at_lightning_speed/

https://opg.optica.org/optica/fulltext.cfm?uri=optica-11-12-1690&id=565919