由光构成的神经网络：光子能量推动下一次人工智能革命

马克斯普朗克光科学研究所的研究人员开发了一种更简单、更可持续的方法，使用光学系统实现神经网络。

马克斯普朗克研究所开发了一种用于神经网络的新型光学系统，为当前方法提供了一种更简单、更节能的替代方案。

马克斯普朗克研究所开发了一种用于神经网络的新型光学系统，为当前方法提供了一种更简单、更节能的替代方案。

该系统使用光传输来执行计算，降低了与传统神经网络相关的复杂性和能量需求。

该系统使用光传输来执行计算，降低了与传统神经网络相关的复杂性和能量需求。

光学神经网络

科学家提出了一种使用光学系统实现神经网络的新方法，这种方法可以使机器学习在未来更具可持续性。马克斯普朗克光科学研究所的研究人员于 7 月 9 日在《自然物理》杂志上发表了他们的新方法，展示了一种比以前的方法简单得多的方法。

神经网络 机器学习 自然物理 自然物理

机器学习和人工智能正变得越来越普遍，应用范围从计算机视觉到文本生成，正如 ChatGPT 所展示的那样。然而，这些复杂的任务需要越来越复杂的神经网络；有些有数十亿个参数。

机器学习 人工智能

神经网络规模的快速增长使这些技术走上了不可持续的道路，因为它们的能耗和训练时间呈指数级增长。例如，据估计，训练 GPT-3 消耗了超过 1,000 MWh 的能源，这相当于一个小城镇的每日电能消耗。

携带光的波导神经形态系统的艺术插图。来源：@ CC Wanjura

自然物理学