比人类神经元快10亿倍！港中文、中科院“超级大脑”：1秒识图3479万张

新智元2025-01-02

新智元报道编辑：桃子【新智元导读】想象一下，一个比人类大脑快10亿倍“超级大脑”是什么概念？来自港中文、中科院物理所等机构研究人员，提出了突破性激光人工神经元，完美复刻了人类神经细胞功能，更创造了惊人的处理速度记录。人工神经元，比人类大脑快10亿倍，将会是怎样的景象？如今，这一科幻般的场景，早已成为了现实。来自香港中文大学、中国科学院物理研究所等机构科学家，成功开发出了一种基于“激光”的人工神经元...

网页链接

免责声明：本文观点仅代表作者个人观点，不构成本平台的投资建议，本平台不对文章信息准确性、完整性和及时性做出任何保证，亦不对因使用或信赖文章信息引发的任何损失承担责任。

精彩评论

我们需要你的真知灼见来填补这片空白

发表看法

{"i18n":{"language":"zh_CN"},"isChannel":false,"data":{"share":"https://www.laohu8.com/m/news/2500191996?lang=zh_CN&edition=full","thumbnail":"","is_english":false,"pubTime":"2025-01-02 12:41","share_image_url":"https://static.laohu8.com/e9f99090a1c2ed51c021029395664489","id":"2500191996","market":"hk","top_or_hot":-1,"title":"比人类神经元快10亿倍！港中文、中科院“超级大脑”：1秒识图3479万张","media":"新智元","content":"<div>\n<p>新智元报道编辑：桃子【新智元导读】想象一下，一个比人类大脑快10亿倍“超级大脑”是什么概念？来自港中文、中科院物理所等机构研究人员，提出了突破性激光人工神经元，完美复刻了人类神经细胞功能，更创造了惊人的处理速度记录。人工神经元，比人类大脑快10亿倍，将会是怎样的景象？如今，这一科幻般的场景，早已成为了现实。来自香港中文大学、中国科学院物理研究所等机构科学家，成功开发出了一种基于“激光”的人工神经元...</p>\n\n<a href=\"https://tech.ifeng.com/c/8foURSAbOLx\">网页链接</a>\n\n</div>\n","source":"ifeng_tech","html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>比人类神经元快10亿倍！港中文、中科院“超级大脑”：1秒识图3479万张</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n比人类神经元快10亿倍！港中文、中科院“超级大脑”：1秒识图3479万张\n</h2>\n\n<h4 class=\"meta\">\n\n\n2025-01-02 12:41 北京时间&nbsp;&nbsp;&nbsp;<a href=https://tech.ifeng.com/c/8foURSAbOLx><strong>新智元</strong></a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n<p>新智元报道编辑：桃子【新智元导读】想象一下，一个比人类大脑快10亿倍“超级大脑”是什么概念？来自港中文、中科院物理所等机构研究人员，提出了突破性激光人工神经元，完美复刻了人类神经细胞功能，更创造了惊人的处理速度记录。人工神经元，比人类大脑快10亿倍，将会是怎样的景象？如今，这一科幻般的场景，早已成为了现实。来自香港中文大学、中国科学院物理研究所等机构科学家，成功开发出了一种基于“激光”的人工神经元...</p>\n\n<a href=\"https://tech.ifeng.com/c/8foURSAbOLx\">网页链接</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","isBrief":false,"type":0,"news_type":1,"symbol":"RC","symbol_name":"Ready Capital Corp","start_time":0,"source_url":"https://tech.ifeng.com/c/8foURSAbOLx","article_id":"2500191996","we_media_id":null,"thumbnails":[],"rights":null,"url":"https://stock-news.laohu8.com/highlight/detail?id=2500191996","pubTimestamp":1735792867,"columns":[],"sourceInfo":{"source_id":"ifeng_tech","name":"凤凰网财经"},"weMediaInfo":null,"summary":"人工神经元，比人类大脑快10亿倍，将会是怎样的景象？来自香港中文大学、中国科学院物理研究所等机构科学家，成功开发出了一种基于“激光”的人工神经元。能够在1秒内处理1亿次心跳数据；能够在1秒内分析3479万张手写数字图像。这些人工神经元具有有限的响应速度，可能遭受信息丢失，并且需要额外的激光源和调制器。光子脉冲神经元的速度限制，在最新研究中被打破了。","collect":0,"end_time":0,"defaultTopTitle":"ifeng.com","property":[],"viewcount":null,"language":"zh","relate_stocks":{"RC":"Ready Capital Corp","BK4110":"抵押房地产投资信托"},"translate_title":"1 billion times faster than human neurons! Hong Kong Chinese and Chinese Academy of Sciences \"Super Brain\": 34.79 million pictures can be recognized in 1 second","themeId":null,"isJumpTheme":false,"ttsUrl":null,"symbols_score_info":{"RC":1},"content_text":"新智元报道编辑：桃子【新智元导读】想象一下，一个比人类大脑快10亿倍“超级大脑”是什么概念？来自港中文、中科院物理所等机构研究人员，提出了突破性激光人工神经元，完美复刻了人类神经细胞功能，更创造了惊人的处理速度记录。人工神经元，比人类大脑快10亿倍，将会是怎样的景象？如今，这一科幻般的场景，早已成为了现实。来自香港中文大学、中国科学院物理研究所等机构科学家，成功开发出了一种基于“激光”的人工神经元。最新研究已发表在Optica期刊上。论文地址：https://opg.optica.org/optica/fulltext.cfm?uri=optica-11-12-1690&id=565919这个基于芯片的量子点激光器，不仅能完全模仿真实神经细胞功能，更实现了惊人的速度——即10GBaud信号处理速度，也就意味着它比生物神经元快整整10亿倍。基于芯片点激光器，可以模拟生物梯级神经元，同时实现10 GBaud的信号处理速度如何理解这个速度有多快？能够在1秒内处理1亿次心跳数据；能够在1秒内分析3479万张手写数字图像。要知道，这个突破可能会彻底改变AI和先进计算领域，提升模式识别和序列预测的能力。AI模仿生物神经元，飙升10亿倍这项突破性发现，为何如此重要？在我们的身体中，存在着不同类型的神经细胞。其中，梯级神经元（graded neurons）是通过持续改变膜电位来编码信息，实现精细的信号处理。相较之下，脉冲神经元（spiking neurons）则使用全有/全无的动作点位来传递信息，创造出更为二元的通信方式。最新研究中技术的关键突破在于，创新的设计方法。传统的光子脉冲神经元，通常通过将输入脉冲注入激光器的增益区域工作，这种方式会导致延迟，限制了神经元的响应速度。如下图所示，是脉冲神经元和梯级神经元的在输入输出的对比图。激光神经元，速度快能耗低激光人工神经元能够以模仿生物神经元行为的方式，对输入信号做出响应，由于其超快的数据处理速度和低能耗，正被探索用作显着增强计算的一种方式。然而，迄今为止开发的大多数都是光子脉冲神经元。这些人工神经元具有有限的响应速度，可能遭受信息丢失，并且需要额外的激光源和调制器。光子脉冲神经元的速度限制，在最新研究中被打破了。研究团队另辟蹊径，选择将射频信号注入量子点激光器的可饱和吸收区，巧妙地避开了这一限制。他们还为可饱和吸收区设计了高速射频板，从而产生了一个更快速、更简单、节能的系统。港中文研究小组负责人Chaoran Huang表示，“激光梯级神经元突破了当前光子脉冲神经元的速度限制，我们构建的一个储层计算系统（reservoir computing system），在模式识别和序列预测等AI任务中展现出卓越的性能”。激光梯级神经元在心律失常检测、图像分类等AI任务中， 展示了卓越的模式识别和序列预测他还称，凭借强大记忆效应和出色信息处理能力，单个激光梯度神经元，可以表现得像一个小型神经网络。因此即便是没有额外复杂连接的单个激光梯级神经元，也能高效地执行机器学习任务。高速储层计算，1秒处理1亿次心跳数据为了进一步展示激光梯级神经元的能力，研究团队将其用于构建储层计算系统。这是一种使用特定网络（称为存层）来处理时间相关数据的计算方法，常用于语音识别、天气预测等领域。激光梯级神经元的类神经元非线性动力学特性，以及快递处理速度，使其成为支持高速储层计算的理想选择。下图所示，是储层计算（RC）的架构图。RC源自循环神经网络，是一种功能强大且经济高效的计算框架，非常适合时间/顺序信息的处理。它主要由输入层、存储层和读出层组成。在存储层内，非线性节点之间的互联是随机的，权重是固定的，从而避免了对存储层的训练。这里，只有读出层需要训练，可以通过线性回归等简单且计算高效的方法来完成。最新研究中，作者选择让激光梯级神经元充当激光储层，来执行储层计算。在输入层中，输入信号被编码为注入激光储层的电脉冲。在具体实验中，该系统展现出令人印象深刻的性能。比如它每秒能处理1亿次心跳数据，并以98.4%的平均准确率检测到心率失常模式。具体来讲，研究人员使用经过处理的MIT-BIH心律失常数据集，开启了失常心跳检测的基准任务。数据库中包含从47名受试者获得的48个半小时心电图记录摘录，是第一个可广泛用于评估心率失常检测器的测试材料。在处理后两类MIT-BIH心率失常数据集中，原始心电图波形被重新采样，并被分成单个心跳，每个心跳由50个时间步长组成。如下图a所示，这些心跳被分类为两组——健康组和心率失常组，分别标记为0和1。而且，它还在各种AI应用中，展现出优秀的模式识别和序列预测能力，特别是在长期预测任务方面。在MNIST手写数据集任务中，研究人员又评估了激光储库的分类性能。MNIST数据集包含由28×28灰度像素组成的手写数字图像。如下图所示，通过使用六重交叉验证方法计算的平均准确度，在四类MNIST手写数字分类任务中达到92.3%。有网友对此表示，听到这样的突破性进展，让我更加确信我们正在指数增长曲线上稳步前进。现在的发展速度已经快到了我完全无法预测6个月后甚至一年后我们会发展到什么程度。也许我想得太超前了，但我确实能强烈感受到这些天技术进步的加速度。那么，激光神经元的发现，意味着什么？它能够加速AI在时间关键应用中的决策过程，保持高精度的同时，显著提升了处理速度。若是某天它被整合到边缘计算设备中，实现更快速、更智能的人工智能系统，将会显著降低能源消耗。研究人员表示，未来下一步，团队努力将提升激光梯度神经元的处理速度，同时开发出包含级联激光梯度神经元的深度储层的计算架构。","kind":"news","is_publish_news":true,"is_publish_highlight":false,"is_publish_live":false,"is_publish_wemedia":null,"editions":null,"column":"","sentiment":"0","news_tag":"","news_rank":0,"symbols":[],"gpt_button":1,"need_auth":false,"code":"91000000","status":"200"},"commentList":[],"isCommentEnd":true,"newsSizeData":{"likeSize":0,"commentSize":0,"repostSize":0,"favoriteSize":0,"likeStatus":false,"favoriteStatus":false},"APP":{"userAgent":"Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)","isDev":false,"isTTM":false,"tenantId":"TBCN","deviceId":"web-server-community-laohu8-v3","version":"4.36.2","shortVersion":"4.36.2","platform":"web","vendor":"web","appName":"laohu8","isIOS":false,"isAndroid":false,"isTiger":false,"isTHS":false,"isWeiXin":false,"isWeiXinMini":false,"isWeiBo":false,"isQQ":false,"isBaiduSwan":false,"isBaiduBox":false,"isDingTalk":false,"isToutiao":false,"isOnePlus":false,"isHuaWei":false,"isXiaomi":false,"isXiaomiWebView":false,"isOppo":false,"isVivo":false,"isSamsung":false,"isMobile":false},"href":"/m/news/2500191996","isCrawlerRequest":true}