0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

受巴甫洛夫启发,研究人员利用光将经典条件反射带入人工智能

海阔天空的专栏 来源:海阔天空的专栏 作者:海阔天空的专栏 2022-08-25 16:41 次阅读

牛津大学的一个团队从巴甫洛夫的狗中汲取灵感,设计了一个基于光子学的神经网络

受 19 世纪初巴甫洛夫经典条件反射实验的启发,牛津大学的研究人员最近创造了一种片上光学处理器,它可能为人工智能 (AI) 和机器学习 (ML) 的前所未有的进步打开大门。

pYYBAGMHNZ-AWnDIAADDh9g2r7o072.jpg

片上硬件的监督学习。图片由Optica和 Tan 等人提供

牛津声称其新系统提供了先进的数据集相似性检测。与在电子处理器和传统神经网络上运行的传统机器学习算法不同,Oxford 的系统在无反向传播的光子网络上运行,并利用了巴甫洛夫联想学习。

在巴甫洛夫的狗身上寻找灵感

经典条件反射是关联两种感觉刺激以实现相同反应的过程。这个过程包括感觉和运动神经元。当感觉神经元接收到感觉信号时,运动神经元会产生感觉密集的动作。

Ivan Pavlov 在 1900 年代初发现了这个概念,他观察到,当他通过教狗将铃铛的声音与食物联系起来时,他可以通过按铃来诱导狗流涎。联想学习过程将刺激s 2(即铃声)与自然刺激s 1(即食物的视觉或气味)相关联,以触发狗的相同反应(即流涎)。

pYYBAGMHNaOAON_9AAB2fks1aCk558.jpg

巴甫洛夫联想学习。图片由Optica和 Tan 等人提供

牛津大学的研究人员将这一概念应用于简化的神经回路,具有两个关键作用:1)收敛并关联两个输入;2)存储这些关联的记忆以供以后参考。这项研究的核心是一种称为联想单子学习元素(AMLE)的东西。AMLE 包括一个设备,可以有效地执行经典条件反射的基本联想学习过程,以推进 AI/ML。

关于联想一元学习元素

AMLE 将相变材料薄膜与两个耦合波导集成以实现联想学习。该材料(Ge 2 Sb 2 Te 5 (GST))有效地调制波导之间的耦合。GST 以两种状态存在,非晶态或晶态,影响波导之间的耦合量。

在结晶状态下,刺激s 1和s 2没有显示任何形式的关联。然而,刺激(或输入)在它们同时到达时开始关联,从而导致非晶化 GST。GST 越多异形化,刺激s 1和s 2关联的越多,导致几乎无法区分的输出,称为学习阈值。AMLE 使用光子关联学习来提供一个独特的机器学习框架,以解决一般学习任务。

pYYBAGMHNaSAJ8LAAAB-nNDv-Ew026.jpg

AMLE学习前后的电场分布。图片由Optica和 Tan 等人提供

AMLE 消除了反向传播,提高了计算速度

传统的神经网络密集型 AI 系统在学习过程中需要大量数据集,这导致处理和计算成本增加。这些传统的神经网络利用反向传播来实现高精度的人工智能学习。

根据牛津大学的说法,AMLE 消除了反向传播的需要,使用记忆材料来学习模式并关联数据集中的相似特征。无反向传播技术可加快 AI/ML 模型训练。例如,虽然传统的基于神经网络的 AI 系统在使用多达 10,000 个兔子/非兔子图像训练其模型后识别兔子,但无反向传播技术 (AMLE) 可以通过五个兔子/非兔子图像对获得类似的结果显着降低处理和计算成本。

AMLE 还利用波分复用来提高计算速度。此功能允许 AMLE 在各种基于单通道的波长上发送多个光信号,从而消除反向传播。AMLE 使用光来发送和接收数据,这一过程称为并行信号处理,从而产生更高的信息密度和更快的模式识别速度。

AMLE 研究的合著者郑教授表示,虽然这种新开发的设计不能完全替代传统的神经网络,但它可以补充它们。在大量和更简单的数据集学习任务中,AMLE 设备显着加快了光学处理速度。

在光子平台上构建 AMLE

牛津大学的研究人员在光子平台上实施了 AMLE。使用该平台,该团队展示了无反向传播的单层权重人工神经网络架构的可行性和有效性。

研究人员观察到,如果输入以已经建立的光学延迟同时应用,则关联两个不同的输入可以产生相似的输出。这些输入之间的关联可以允许关联多个数据流,包括单个元素上的各种波长——特别是在没有光信号干扰的情况下。

根据牛津大学的说法,这项研究可能会为下一代机器学习算法和架构创新设定优先级。

审核编辑 黄昊宇

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 神经网络
    +关注

    关注

    42

    文章

    4771

    浏览量

    100719
  • AI
    AI
    +关注

    关注

    87

    文章

    30746

    浏览量

    268896
收藏 人收藏

    评论

    相关推荐

    研究人员利用激光束开创量子计算新局面

    突破,通过利用光的独特特性,为先进的量子计算提供了一种更简单、更具成本效益的方法。这一发展有可能加速物流、金融和人工智能等领域的复杂计算。这项研究以编辑推荐的形式发表在《APL Photonics》杂志上。 Wits光学领域 O
    的头像 发表于 12-18 06:24 85次阅读
    <b class='flag-5'>研究人员</b><b class='flag-5'>利用</b>激光束开创量子计算新局面

    嵌入式和人工智能究竟是什么关系?

    领域,如工业控制、智能家居、医疗设备等。 人工智能是计算机科学的一个分支,它研究如何使计算机具备像人类一样思考、学习、推理和决策的能力。人工智能的发展历程可以追溯到上世纪50年代,经
    发表于 11-14 16:39

    《AI for Science:人工智能驱动科学创新》第6章人AI与能源科学读后感

    、优化等方面的应用有了更清晰的认识。特别是书中提到的基于大数据和机器学习的能源管理系统,通过实时监测和分析能源数据,实现了能源的高效利用智能化管理。 其次,第6章通过多个案例展示了人工智能在能源科学中
    发表于 10-14 09:27

    AI for Science:人工智能驱动科学创新》第4章-AI与生命科学读后感

    阅读这一章后,我深感人工智能与生命科学的结合正引领着一场前所未有的科学革命,以下是我个人的读后感: 1. 技术革新与生命科学进步 这一章详细阐述了人工智能如何通过其强大的数据处理和分析能力,加速生命科学研究
    发表于 10-14 09:21

    《AI for Science:人工智能驱动科学创新》第二章AI for Science的技术支撑学习心得

    人工智能在科学研究中的核心技术,包括机器学习、深度学习、神经网络等。这些技术构成了AI for Science的基石,使得AI能够处理和分析复杂的数据集,从而发现隐藏在数据中的模式和规律。 2. 高性能
    发表于 10-14 09:16

    《AI for Science:人工智能驱动科学创新》第一章人工智能驱动的科学创新学习心得

    的同时,确保其公正性、透明度和可持续性,是当前和未来科学研究必须面对的重要课题。此外,培养具备AI技能的科研人才,也是推动这一领域发展的关键。 4. 激发创新思维 阅读这一章,我被深深启发的是人工智能
    发表于 10-14 09:12

    risc-v在人工智能图像处理应用前景分析

    是一些未来发展趋势: 市场规模持续增长 :据多家研究机构和公司的预测,RISC-V的市场规模持续增长。到2030年,RISC-V处理器有望占据全球市场近四分之一的份额。这将为RISC-V在人工智能
    发表于 09-28 11:00

    人工智能ai4s试读申请

    目前人工智能在绘画对话等大模型领域应用广阔,ai4s也是方兴未艾。但是如何有效利用ai4s工具助力科研是个需要研究的课题,本书对ai4s基本原理和原则,方法进行描诉,有利于总结经验,拟按照要求准备相关体会材料。看能否有助于入门和
    发表于 09-09 15:36

    名单公布!【书籍评测活动NO.44】AI for Science:人工智能驱动科学创新

    大力发展AI for Science的原因。 第2章从科学研究底层的理论模式与主要困境,以及人工智能三要素(数据、算法、算力)出发,对AI for Science的技术支撑进行解读。 第3章介绍了在
    发表于 09-09 13:54

    FPGA在人工智能中的应用有哪些?

    FPGA(现场可编程门阵列)在人工智能领域的应用非常广泛,主要体现在以下几个方面: 一、深度学习加速 训练和推理过程加速:FPGA可以用来加速深度学习的训练和推理过程。由于其高并行性和低延迟特性
    发表于 07-29 17:05

    研究人员利用人工智能提升超透镜相机的图像质量

    研究人员利用深度学习技术提高了直接集成在 CMOS 成像芯片上的超透镜相机(左)的图像质量。超透镜利用 1000 纳米高的圆柱形氮化硅纳米柱阵列(右图)操纵光线。 研究人员
    的头像 发表于 06-11 06:34 374次阅读
    <b class='flag-5'>研究人员</b><b class='flag-5'>利用人工智能</b>提升超透镜相机的图像质量

    研究人员利用定制光控制二维材料的量子特性

    的发展铺平了道路。 由美国能源部SLAC国家加速器实验室和斯坦福大学研究人员领导的研究小组这种方法应用于一种名为六方氮化硼(hBN)的材料,这种材料由单层原子以蜂窝状排列而成,其特性使其非常适合量子操纵。在实验中,科学家们
    的头像 发表于 05-06 06:29 243次阅读
    <b class='flag-5'>研究人员</b><b class='flag-5'>利用</b>定制光控制二维材料的量子特性

    研究表明:掌握人工智能技能的员工薪资增幅有望超过30%

    人工智能+”时代将至 超过90%的访企业招聘人工智能人才列为首要任务,但62%的访企业在招聘所需人才时面临困难   北京 ——202
    发表于 03-26 11:38 160次阅读
    新<b class='flag-5'>研究</b>表明:掌握<b class='flag-5'>人工智能</b>技能的员工薪资增幅有望超过30%

    嵌入式人工智能的就业方向有哪些?

    嵌入式人工智能的就业方向有哪些? 在新一轮科技革命与产业变革的时代背景下,嵌入式人工智能成为国家新型基础建设与传统产业升级的核心驱动力。同时在此背景驱动下,众多名企也纷纷在嵌入式人工智能领域布局
    发表于 02-26 10:17

    生成式人工智能和感知式人工智能的区别

    生成式人工智能和感知式人工智能人工智能领域中两种重要的研究方向。本文探讨这两种人工智能的区别
    的头像 发表于 02-19 16:43 1732次阅读