圣彼得堡国立大学物理学家开创新一代超高速神经网络架构

在短短的时间里，人工神经网络已经成为全球技术发展的重要推动力。它们引起了各领域专家的关注，并广泛应用于识别图像、决策分析和大数据处理等任务。该技术不仅加速了多个行业的发展，也显著推动了医疗健康、自动化机器人技术等领域的进步。

研究成果已于杂志 Light: Science & Applications发表

传统神经网络依赖冯·诺依曼架构，这是一种经典的计算机结构模型。在该模型中，数据和程序存储于共享内存中，信息处理通过中央处理器按顺序执行。然而，这种系统存在显著的局限性，主要问题源于计算单元（中央处理器）与存储单元（内存）之间的物理分离。这种分离导致数据交换速度大幅降低，同时能耗显著增加。因此，许多科学家认为，传统神经网络的潜力尚未被充分挖掘。

为了突破这些限制，圣彼得堡国立大学自旋光学实验室负责人、大学首席研究员阿列克谢·卡沃金与该实验室高级研究员叶夫根尼·谢多夫携手开发了一种基于“光滴”二维晶格的神经形态架构。这一新型系统能够快速且准确地识别手写和语音命令，展现出巨大的应用潜力。

该架构的构建基础是激子-极化子的玻色凝聚态（简称极化子）。极化子是由光子与半导体中的激子相互作用形成的准粒子，兼具光的属性，并能够相互作用，因此被形象地称为“液态光量子”。这些特性使其成为构建新型神经网络的理想材料。

圣彼得堡国立大学自旋光学实验室负责人、大学首席研究员阿列克谢·卡沃金

阿列克谢·卡沃金解释道：“当极化子聚集在一起时，它们会形成一种特殊的集体状态——玻色-爱因斯坦凝聚。如果两个这样的凝聚体相邻，它们会开始交换粒子，并形成由明暗条纹构成的图案。通过激光束的照射，这种图案可以被调控，例如将亮条纹变为暗条纹，或反之。这种变化被用作输出信号，使这些结构在神经网络中扮演人工神经元的角色。

作为俄罗斯联邦政府大型资助项目的一部分，圣彼得堡国立大学乌拉尔采夫自旋光学实验室于2011年成立。该实验室目前拥有超过40名员工，其中大部分为年轻科学家，包括8位取得圣彼得堡国立大学博士学位（PhD）的学者。实验室由全球引用率排名前2%的科学家阿列克谢·卡沃金（Алексей Кавокин）领导，他曾荣获多项国际奖项。作为大学核心领域之一，该实验室的研究工作曾在纪录片《第一大学》中得以展现。

圣彼得堡国立大学的物理学家们提出了一种创新架构，隶属于二元神经网络（Binary Neural Networks, BNN）范畴。与传统神经网络处理连续变量不同，BNN采用二进制信号处理神经元的输入和输出。这一特性使其在信息处理速度上更快，内存占用更少，从而显著降低能耗并提升可扩展性。得益于此，BNN特别适用于能源受限的设备，例如物联网和边缘计算场景。在这些领域，速度和效率往往比超高精度更为关键。

该架构通过解决两个任务进行了测试。第一个任务涉及识别MNIST这一全球最大的手写数字数据库中的手写数字。圣彼得堡国立大学科学家开发的系统在识别准确率上超过了97.5%。在第二个任务中，为进一步评估该网络在处理不同类型数据时的适应性和通用性，团队利用Speech Commands数据集测试了语音命令识别能力。结果表明，该架构在准确性上超越了所有现有解决方案和方法，凸显了其优越性能。