导读 近年来，人工智能技术特别是机器学习算法取得了长足的进步。这些技术在图像识别、自然语言生成和处理以及物体检测等任务中实现了前所未有的...
近年来，人工智能技术特别是机器学习算法取得了长足的进步。这些技术在图像识别、自然语言生成和处理以及物体检测等任务中实现了前所未有的效率，但如此出色的功能需要大量的计算能力作为基础。
当前计算资源已接近极限，有效降低机器学习模型的训练成本、提高训练效率是研究领域的重要问题。
为了解决这个问题，人们在光学神经网络和量子神经网络两个研究方向做出了巨大的努力。光神经网络利用先进的光学操纵方法来执行经典光学信息处理中的机器学习算法。它们具有低能耗、低串扰、低传输延迟等独特优势。然而，当前的光学神经网络并没有表现出算法加速，例如更快的模型收敛速度。
量子神经网络是基于量子计算理论的神经网络算法。最近的研究表明，由于量子相关性，量子神经网络可以展示算法加速。然而，由于技术限制，目前此类神经网络算法很难在硬件上大规模执行，这使得它们在当前人们面临的实际问题中的应用具有挑战性。
先进光电量子结构与测量教育部重点实验室张向东教授领导的科学家团队在《光：科学与应用》杂志上发表了一篇新论文;北京理工大学物理学院纳米光子学与超精细光电系统北京市重点实验室及其同事开发了一种新型光学神经网络，可以表现出与量子神经网络类似的加速性能。
这种有趣的性质是由于引入经典光学相关性作为信息载体而出现的。事实上，通过使用这种载体，人们可以模仿量子计算实现的信息处理方式，这一点已经被研究人员的早期工作所证明。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！