摘要：研究人员开发了一种基于激光的人工神经元，该神经元完全模拟了生物分级神经元的功能，动力学和信息处理，这可能会导致高级计算中的新突破。随着处理速度比自然快十亿倍，基于芯片的激光神经元可以帮助推进AI任务，例如模式识别和序列预测。...

研究人员开发了一种基于激光的人工神经元，该神经元完全模拟了生物分级神经元的功能，动力学和信息处理。由于信号处理速度为10 GBAUD（比其生物学的速度快十亿倍），新的激光分级神经元可能会导致人工智能和其他类型的高级计算等领域的突破。

人体包含各种类型的神经细胞，包括通过连续变化膜电位来编码信息的分级神经元，从而允许微妙而精确的信号处理。相比之下，生物尖峰神经元使用全有或无人的动作电位传输信息，从而创造了一种更二进制的通信形式。

研究团队负责人Chaoran Huang说：“我们的激光分级神经元克服了当前光子神经元的光子版本的速度限制，并有可能更快的操作。” “通过利用其神经元的非线性动力学和快速处理，我们构建了一个储层计算系统，该系统在AI任务中表现出非凡的性能，例如模式识别和序列预测。”

在Optica，研究人员报告说，Optica Publishing Group的高影响力研究杂志报告说，其基于芯片的量子点激光级神经元可以达到10 GBAD的信号处理速度。他们使用这种速度来处理1亿个心跳的数据，或者仅在一秒钟内处理3470万个手写数字图像。

Huang说：“我们的技术可以在时间关键的应用程序中加速AI决策，同时保持高精度。” “我们希望将技术集成到边缘计算设备（即其源附近的处理数据）将促进更快，更智能的AI系统，以更好地为现实世界中的应用提供，以减少将来的能源消耗。”

更快的激光神经元

基于激光的人工神经元可以以模仿生物神经元行为的方式响应输入信号，这是由于其超快数据处理速度和低能消耗而被探索，以显着增强计算。但是，到目前为止，大多数发展的都是光子尖峰神经元。这些人工神经元的响应速度有限，可能会遭受信息丢失，需要其他激光源和调节剂。

光子尖峰神经元的速度限制来自这样一个事实，即它们通常通过将输入脉冲注入激光器的增益部分来起作用。这会导致延迟限制神经元的响应速度。对于激光分级神经元，研究人员通过将射频信号注入量子点激光的饱和吸收部分，使用了不同的方法，从而避免了此延迟。他们还为“可饱和吸收”部分设计了高速射频垫，以生成更快，更简单，更节能的系统。

黄说：“凭借强大的记忆效果和出色的信息处理能力，单个激光分级的神经元可以像小型神经网络一样行事。” “因此，即使没有其他复杂连接的单个激光级的神经元也可以执行高性能的机器学习任务。”

高速储层计算

为了进一步证明其激光级神经元的功能，研究人员用它来建立储层计算系统。这种计算方法使用一种特定类型的网络被称为储层的网络来处理时间依赖的数据，例如用于语音识别和天气预测。激光分级神经元的神经元状非线性动力学和快速处理速度使其非常适合支持高速储层计算。

在测试中，所得的储层计算系统在具有高处理速度的各种AI应用中表现出出色的模式识别和序列预测，尤其是长期预测。例如，它每秒处理了1亿个心跳，并检测到心律不齐的模式，平均精度为98.4％。

Huang说：“在这项工作中，我们使用了一个激光级的神经元，但我们认为级联多个激光级的神经元将进一步释放其潜力，就像大脑在网络中有数十亿个神经元共同工作。” “我们正在努力提高激光级神经元的处理速度，同时还开发了深层的储层计算体系结构，该体系结构结合了级联激光级的神经元。”