82、光学神经网络硬件实现：原理、架构与优势

光学神经网络硬件实现：原理、架构与优势

1 光学硬件用于神经网络的动机

制造出能与拥有 $10^8 - 10^{10}$ 个神经元和 $10^{10} - 10^{12}$ 个连接的生物（人类）大脑处理能力相媲美的机器是一项艰巨的任务。在硅基技术和现代计算机产业取得惊人成功后，人们很自然地会借助这项技术来制造人造“神经”计算机。然而，人工神经网络（ANNs）的特点是计算复杂度相对较低，但并行性和互连性极高。电子处理器中，信息通道由二维表面上的导电材料构成，因此表面积和功耗问题限制了实现高效神经网络所需的高互连性或大规模并行性。

光学则提供了一种有前景的替代方案，它允许自由空间（三维）互连，从而利用了第三维空间。选择光学的内在优势包括：相交光通道（路径）之间无干扰、短距离内近乎即时的传输以及对电磁干扰不敏感。与电子设备相比，光学系统还具有以下优点：在不显著降低速度的情况下增加处理元件数量、减少串扰问题以及降低能源需求。对于处理实时语音和视觉处理等问题的超大规模专用系统，光学技术有望提供更有利的解决方案，而这些问题已被证明超出了标准串行处理器的能力范围。

下表比较了电子、光学和生物领域的互连和处理速度特点：
| 领域 | 互连特点 | 处理速度 |
| — | — | — |
| 电子（VLSI） | 每芯片 10000 - 100000 个加权互连 | 受限于二维结构和功耗 |
| 光学 | 每立方厘米可达 $10^{11}$ 个互连（光折变晶体） | 短距离近乎即时传输 |
| 生物 | 拥有 $10^{10} - 10^{12}$ 个互连 | 具备高度并行处理能力 |

2 光学在神经网络中的功能实现