光子计算

研究证明，人工神经网络的训练可以直接在光子芯片上进行。这一重大突破表明：光学电路可以执行人工神经网络的关键功能，我们或许可以因此找到出价格更低，速度更快，更节能的方法，来完成语音或图像识别等复杂任务。

斯坦福大学的研究小组负责人范汕洄表示：“光子芯片比数字计算机能更高效地执行神经网络计算，意味着我们可以解决更复杂的问题。例如，这将提高人工神经网络执行自动驾驶汽车任务的能力，或者对语音问题做出合适的回应等。”

神经网络是人工智能的一种，它用互相连接的单元来处理信息，这种方式类似于大脑。使用神经网络来执行复杂任务时，需要训练算法中的关键步骤来对输入进行分类，例如语音识别时，需要对不同的单词进行分类。

尽管最近有实验证明光学人工神经网络的例子，但它们的训练步骤仍然在传统的数字计算机上进行，只是最终将训练所得的设置导入光子计算电路。在光学学会的高影响力研究期刊《Optica》上，斯坦福大学的研究人员发表的文章描述了一种直接在光学设备中训练神经网络的方法，这种方法使用了“反向传播”算法的光学版本。反向传播算法是训练传统神经网络的标准方法，只是过去都只在传统计算机上进行训练。