人工智能现已成为日常生活的一部分，随之而来的是对更大、更复杂模型的迫切需求。然而，对日益增长的计算能力和运算性能的需求，正以超越传统计算机所能提供的速度快速攀升。为突破这些限制，研究正转向创新技术领域，例如物理神经网络，这类模拟电路直接利用物理定律（光束特性、量子现象）来处理信息。

图片来源：米兰理工大学

据外媒报道，米兰理工大学（the Politecnico di Milano,）、洛桑联邦理工学院（the École Polytechnique Fédérale in Lausanne）、斯坦福大学（Stanford University）、剑桥大学（the University of Cambridge）及马克斯·普朗克研究所（the Max Planck Institute）等国际机构在期刊《自然（Nature）》上联合发表题为《物理神经网络的训练（Training of Physical Neural Networks）》的论文，详细阐述了物理神经网络训练研究的各个阶段。

米兰理工大学通过开发基于集成光子技术的神经网络光子芯片为该研究作出贡献。如今，在仅几平方毫米的硅微芯片上，可通过光干涉机制实现加法、乘法等数学运算。

米兰理工大学的电子、信息与生物工程系教授、光子器件实验室主任Francesco Morichetti表示：“通过消除信息数字化所需的操作，我们的光子芯片能在显著降低能耗和处理时间的同时完成计算。”这为人工智能（其依赖能耗极高的数据中心）的可持续发展迈出了重要一步。

该研究聚焦训练环节，即神经网络习得特定任务能力的阶段。“依托电子、信息与生物工程系的研究成果，我们已协助开发出光子神经网络的‘原位’训练技术，即无需数字模型参与。整个过程完全通过光信号完成，这意味着网络训练不仅将更快，还将更稳健高效。”Morichetti补充道。

光子芯片的应用将推动更复杂的人工智能模型发展，或催生无需远程处理的实时数据处理设备，例如自动驾驶汽车，或集成于便携设备中的智能传感器。