人工极化子神经元是迈向模仿人脑运作的光子系统的一步

华沙大学物理学院和波兰科学院的科学家们利用光子创造了一个尖峰神经元，这是未来光子神经网络处理器的基本元素。他们的工作成果发表在最新的《激光与光子学评论》上。

神经形态设备(模仿生物大脑行为的系统)是人工智能的未来，因为它们允许更快、更有效的信息处理。

哺乳动物的大脑是世界上最复杂、最高效的系统之一。在1990年代，神经生物学家表明，猕猴皮层的单个区域能够在30毫秒内分析和分类视觉模式，尽管参与该过程的每个神经元以电脉冲的形式发送的信息少于三个。猕猴大脑神经网络中的大量突触(神经元之间的连接)使这成为可能。

人脑是一个更强大的机器。它由1000亿个神经元组成，每个神经元平均与其他神经细胞建立数千个连接。这创建了一个包含大约100万亿个连接的神经网络，因此我们的大脑能够同时识别、推理和控制运动——它每秒执行数万亿次操作，仅使用20-25瓦的功率。

相比之下，传统处理器仅识别一千种不同类型的物体就使用十倍的功率。这种惊人的差异和大脑的卓越性能主要归功于神经元的生物化学、神经连接的架构以及神经计算算法的生物物理学。

社会对信息的需求不断增长，因此我们需要更快、更全面地处理这些信息。传统的计算系统可能无法在提高能源效率的同时满足对更多计算能力的日益增长的需求。该问题的解决方案可能是模仿生物大脑行为的神经形态设备。它们是人工智能的未来，因为它们可以更快、更有效地处理图像识别等任务中的信息。

华沙大学物理学院和波兰科学院的科学家们提议以一种允许创建尖峰神经网络的方式使用光子。该工作的第一作者、华沙大学物理学院的KrzysztofTyszka强调，光子系统可确保以光速、低损耗和低能耗进行通信。

“光子的优势在于它们的传播几乎没有能量损失。不幸的是，由于它们以相对较弱的方式相互作用，很难使用它们以类似于电子系统的方式执行计算操作，”这位科学家说。

“在我们的研究中，我们提出了一种解决方案，其中光子与质量非常低的粒子(称为激子)发生强烈相互作用，”华沙大学物理学院Polariton实验室的BarbaraPietka解释说。

“当光子和激子被困在所谓的光学微腔中时，这种强烈的相互作用是可能的，这会迫使它们之间进行重复的能量交换。光子和激子之间在微腔中产生的这种协同作用是如此持久，以至于物理学家称之为它是一个准粒子，将其称为切除极化子(或简称极化子)。”

极化子具有独特的性质，特别是在适当的条件下，它们可以显示出相变到玻色-爱因斯坦凝聚体。在这种状态下，先前独立的多个极化子变得无法区分。

“根据我们上次的实验，我们第一个注意到，当极化子被激光脉冲激发时，它们会以模仿生物神经元尖峰的方式发出光脉冲，”MagdalenaFurman博士解释说。在华沙大学物理学院Polariton实验室参与研究的学生，这种效应与Bose-Einstein凝聚现象直接相关，该现象会抑制或增强脉冲的发射。

波兰科学院物理研究所的AndrzejOpala与MichalMatuszewski一起开发了将极化子研究与神经元的LIF模型(LeakyIntegrate-and-Fire模型)相结合的理论基础，他补充说，现在该小组正在致力于解决可扩展性问题，即将许多神经元连接到一个网络中。

研究人员解释说：“我们建议使用一种新的计算范式，该范式基于带有脉冲的编码信息，只有当信号在正确的时间连续到达神经元时才会触发信号。”

目前，神经网络使用相互连接的神经元层，这些神经元根据分配给每个连接的重要性(在数学描述中称为“权重”)触发脉冲。与这种类型的解决方案相比，在LaserandPhotonicsReview中描述的光学神经网络中，神经元被触发(即变得活跃)以响应一系列可能具有不同强度和不同时间间隔的脉冲。

与被电脉冲激发的生物神经元一样，存在一定的阈值，超过该阈值的这一系列脉冲到达神经元会触发将传递的信号。极化子使模仿生物系统成为可能，因为只有用适当数量的光子进行，超过一定的阈值，才会导致玻色-爱因斯坦凝聚的形成，然后发射一个短的皮秒级闪光，这是一个信号下一个神经元。

重要的是，科学家们用来捕获光子和观察激子极化激元凝聚物的样品是在华沙大学物理学院的WojciechPacuski小组中现场合成的。科学家们通过分子束外延将不同类型半导体晶体的原子逐层排列，形成了一个原型光子神经元。达到玻色-爱因斯坦凝聚态需要4K的温度。

“我们的进一步目标是将实验从低温条件转移到室温，”华沙大学物理学院的JacekSzczytko说。“需要对能够在高温下也能获得玻色-爱因斯坦凝聚体的新材料进行研究。为了使光子神经元联网，它们必须能够相互传输信号。理想情况下，传输方向，即接线图，可以根据需要轻松更改。”

“科学家们在研究神经形态系统时仍然面临新的挑战。我们在光学领域重建生物神经元尖峰的新想法可以用来创建一个网络，然后是一个神经形态系统，其中信息的发送速度要快几个数量级并且与现有解决方案相比，采用更节能的方式，”KrzysztofTyszka总结道。