設計出仿腦裝置用於光電計算
2023 年 5 月 30 日，來自 IEEE 的一篇文章描述了由研究團隊設計出的一種基於腦部執行方式的計算裝置，稱為 spiking neural network (SNN)。人類大腦是由約 800 億個神經元透過數以萬計的突觸存取協調執行，不存在像標準筆記型電腦般有一個中央處理器，許多計算以平行執行方式進行，並進行比較得出結果。 SNN 是一種仿腦裝置，使用電氣脈衝形式的訊息來進行運算。它的關鍵特點是使用非同步處理，也就是說它會根據時間發生類似於真實神經元發放電脈衝的方式進行快速反應。
適用於現實環境中的應用
相對於傳統神經網路，SNN 在很多方面都具有更強的適應能力。由於 SNN 以連續的方式處理資料，因此它非常適合在現實環境中應用，例如單次推理和學習。另外時序上的訊息傳播允許多個不同時間尺度上的記憶，就像人類大腦區分工作，短期和長期記憶一樣。
是 AI 和機器學習的未來之路
與 AI 和機器學習相關，SNN 相對於現代計算範式有幾點優勢。它可為模擬比人類大腦中自然演進環境中的任務提供基礎。因為 SNN 在連續時間上處理資料，所以它很適合在以事 event 為基礎的訊號處理等實時環境中使用。此外時序上的訊息傳播允許不同時間尺度的多種記憶方式，就像人類大腦識別工作、短期和長期記憶一樣。神經形態感知和機器人學是 SNN 的常見應用領域；例如，自適應機械臂控制器可以在致動器穿磨之後提供可靠的運動控制。更具體而言，未來裝置可以利用這些特性在語音助手、現場字幕服務或音訊分離等實時音訊和自然語言處 理中使用 SNN；同樣地， SNN 還可以在自動駕駛汽車或監控系統中使用以進行實時影片和鐳射雷達處理。
設計腦部仿生的計算裝置
IEEE Journal of Selected Topics in Quantum Electronics 發表的一項最新研究，提供關於基於 SNN 的裝置開發的更多訊息。這項研究利用光電元件、類比電路和 Mach-Zehnder 幹涉儀網格實現了一種基於 SNN 的裝置。Mach-Zehnder Interferometer 是一種光學電路元件，可以執行矩陣乘法，類似於突觸網格在人類大腦中的操作。研究人員表明，這種光電元件可以透過光通訊網路接受輸入，透過類比電路處理訊息，並透過鐳射與網路進行通訊。
文章還描述了使用現有算法，例如 Random Backpropagation 和 Contrastive Hebbian Learning，建立仿腦計算系統的過程。這些算法使系統能夠像人類大腦一樣從每個突觸的本地訊息中學習，相對於使用反傳遞的傳統機器學習系統，能夠提高計算效能。
評論和建議
研究團隊設計出的以腦部執行方式為基礎的計算裝置 SNN 將成為 AI 和機器學習的未來之一，對於自動駕駛汽車以及語音助手、自然語言處理等技術的研發將具有重要的應用價值。然而 SNN 仍然是一個新興領域，仍需要繼續進行大量的研究和實驗，以創造出更加固大和精確的裝置。此外由於 SNN 需要處理豐富的資料，因此需要更強大的計算硬體和軟體來實現更高的計算效能。
隨著 SNN 技術的發展和進步，人們越來越關注它是否具有危險性和道德風險。因此在使用此技術時，必須保證其符合人倫和法律要求。可以採用不能收集和分享使用者資料等方法，來確保技術的應用安全和隱私保護。
總之 SNN 裝置是當前 Brain-inspired devices-光電計算領域最有前途的裝置之一，它將對機器學習和人工智慧的進步產生深遠的影響。
