科大研發全球首個可用作深度機器學習的全光學神經網絡

香港科技大學研究團隊成功研發全球首個可用作深度機器學習（machine learning）的全光學神經網絡，可供人工智慧在辨識事物之間的關係或風險評估等範疇上，處理較複雜的問題，進一步追近人類，更可在能耗大幅度降低的情況下，以光速進行運算。有關研究結果獲刊登於權威期刊《Optica》。

研究團隊利用冷原子介質內只需極低鐳射功率便能運作的「電磁波引發透明效應」(electromagnetically induced transparency，EIT)，來實現非線性啟用函式，並製作了一個雙層全光學的神經網絡。團隊同時利用有關網絡，對凝聚態物理學易辛模型(Ising model)中的有序相和無序相進行分類，發現與高性能電腦神經網絡運算的結果一樣準確。

▲ 人工光學神經網絡的實驗示意圖。（圖片由香港科技大學提供）

團隊解釋，光學網絡操作僅限於線性運算，即算術中的加減法及乘法，但只靠線性運算並不能讓神經網絡模擬人類大腦運作而達至「深度學習」(Deep Learning)。人工智慧要掌握深度學習，需具有「非線性啟動函數」(non-linear activation functions) 的多層神經網絡，但在現存的光電混合神經網絡中，模擬人類大腦回應方式的「非線性啟動函數」乃透過電來實現，這限制了光學網絡的運算速度及能力。

▲ 科大物理學系教授杜勝望教授（左中坐著者）、科大物理學系教授劉軍偉教授（右中坐著者）及其研究團隊。（圖片由香港科技大學提供）

負責進行研究的科大物理學系教授杜勝望表示，雖然研發成果只是一個概念驗證（proof-of-principle）的測試，但它表明新一代的光學人工智慧—即在低能耗的情況下進行快速運算，是有可能的。

另一名科大物理學系教授劉軍偉劉則冀，未來可擴大有關技術的規模，構建一個更大型、更複雜的全光學神經網絡，以作圖像識別等實際應用。

記者：陳曉瑩