文章專區

芬蘭坦佩雷大學（Tampere University）博士後研究員哈里（Mathilde Hary）和法國瑪麗與路易－巴斯德大學（Université Marie et Louis Pasteur）博士葉赫莫拉（Andrei Ermolaev）以神經網絡為靈感，研究出一種名為「極限學習機器」（extreme learning machine, ELM）的特殊運算架構。

仰賴傳統電子設備運作人工智慧（artificial intelligence, AI）模型，在頻寬、資料傳輸量（throughput）和功耗方面幾乎已達極限。「這次在運算上，我們所用的是強光脈衝與玻璃之間的『非線性相互作用』，而不是這類傳統的電子裝置和演算法。」哈里與葉赫莫拉在報導中解釋這個運算架構的神奇之處。換句話說，人們可已透過這個運算架構，利用光纖將輸入訊號以數千倍的速度進行轉換，而極端非線性交互作用也能放大其中的微小差異，使它變得更可識別。

在這項研究裡，研究人員利用飛秒雷射脈衝（femtosecond laser pulse）以及一根極細的光纖（將光限制在比人類髮絲還小的區域內），展示了ELM系統的原理。研究人員將包含著大量不同波長與顏色的脈衝，根據影像編碼以相對延遲的方式發送到光纖中，發現光纖輸出端的波長光譜在光與玻璃的非線性相互作用後，足以對手寫數字進行分類。其中，表現最優異的系統僅花費不到1皮秒（10⁻¹²秒）的時間，就達到91％以上的驚人準確率！

值得注意的是，要達到最好的結果，重點也不是把非線性交互作用或複雜性最大化，而是在光纖長度、色散（不同波長間傳播速度的差異）和功率範圍（power levels）間取得一種微妙平衡。「機器的性能不僅是透過光纖傳輸更多功率，還取決於光的初始結構有多精細，也就是訊息如何被編碼，以及它如何與光纖特性相互作用。」哈里在報導中解釋道。兩人的研究彰顯光的潛力，為新的運算方式鋪出新路，同時也探索著更有效率的架構途徑。「我們的模型展示了色散、非線性甚至量子噪音如何影響系統性能，為下一代光電混合AI提供了關鍵知識。」葉赫莫拉在報導中補充。

這項研究將非線性光學與AI相結合，探索新型態運算的可能性。「結合物理學與機器學習，我們正開闢通往超高速、節能的AI硬體新途徑。」坦佩雷大學教授鐘提（Goëry Genty）、瑪麗與路易－巴斯德大學教授杜德里（John Dudley）及布航涅（Daniel Brunner）在報導中樂觀地說道。未來，他們希望建造能在實驗室外即時運行的片上光學系統（on-chip optical systems），打造更多即時訊號處理、環境監測與高速AI推理的應用。

新聞來源
Ermolaev, A. (2025). et al. Limits of nonlinear and dispersive fiber propagation for an optical fiber-based extreme learning machine. Optics Letters, 50 (13), 4166.