光子芯片技术突破 - 美国宾夕法尼亚大学团队开发出首款能够利用光进行非线性神经网络训练的可编程芯片，有望大幅加快AI训练速度并降低能源消耗 [2] - 该技术攻克了仅依靠光学方法表示非线性函数的技术难题，这对于深度神经网络训练至关重要 [2] - 新进展依赖于一种对光敏感的特殊半导体材料，通过调整"泵浦"光的形状和强度来控制信号光的吸收、传输或放大方式 [2] - 该芯片可以根据泵浦模式表达多种数学函数，具有实时学习能力，能根据输出反馈调整自身行为 [2] - 在简单的非线性决策边界任务中实现了超过97%的准确率，在鸢尾花数据集问题上达到96%以上的准确率 [2] - 仅需4个非线性光学连接就能达到传统模型中20个固定非线性激活函数线性电子连接的效果 [2] 技术特点与优势 - 该技术未改变芯片基础结构，而是利用光在材料内部形成的图案来重塑光线穿越方式 [2] - 与传统数字神经网络相比，光子芯片性能相当甚至更优，且能耗更低 [2] - 该芯片提供了一个空白的平台，可通过泵浦光的作用绘制出可编程指令 [2] - 这项研究标志着向光速训练AI迈进的重要一步 [2]