用于深度學習應用的神經網絡規模的不斷擴大及其能耗產生了對替代神經形態方法的需求，例如使用光學。目前策略大多依賴于物理非線性或光電轉換來實現所需的非線性激活函數。然而，這些方法在功率水平、控制、能源效率和延遲方面存在較大挑戰。近日，來自德國馬克斯·普朗克光科學研究所的Florian Marquardt和Clara C. Wanjura等人開發了一種神經形態系統的方案，該系統依賴于線性波散射，但實現了具有高表現力的非線性處理。
文章要點：
1) 該研究開發的這種方案中，核心思想是將輸入編碼為影響散射過程的物理參數，并且，眼睛表明訓練所需的梯度可以在散射實驗中直接測量；
2) 這項研究提出了一種基于賽道諧振器的集成光子學實現方案，該方案以最少的波導交叉次數實現了高連接性，該工作開發的這種易于實現的神經形態計算方法，可以廣泛應用于現有的最先進的可擴展平臺，如光學、微波和電路。
參考資料：
Wanjura, C.C., Marquardt, F. Fully nonlinear neuromorphic computing with linear wave scattering. Nat. Phys. (2024).
10.1038/s41567-024-02534-9
https://doi.org/10.1038/s41567-024-02534-9
