用于深度学习应用的神经网络规模的不断扩大及其能耗产生了对替代神经形态方法的需求，例如使用光学。目前策略大多依赖于物理非线性或光电转换来实现所需的非线性激活函数。然而，这些方法在功率水平、控制、能源效率和延迟方面存在较大挑战。近日，来自德国马克斯·普朗克光科学研究所的Florian Marquardt和Clara C. Wanjura等人开发了一种神经形态系统的方案，该系统依赖于线性波散射，但实现了具有高表现力的非线性处理。

文章要点：

1) 该研究开发的这种方案中，核心思想是将输入编码为影响散射过程的物理参数，并且，眼睛表明训练所需的梯度可以在散射实验中直接测量；

2) 这项研究提出了一种基于赛道谐振器的集成光子学实现方案，该方案以最少的波导交叉次数实现了高连接性，该工作开发的这种易于实现的神经形态计算方法，可以广泛应用于现有的最先进的可扩展平台，如光学、微波和电路。

参考资料：

Wanjura, C.C., Marquardt, F. Fully nonlinear neuromorphic computing with linear wave scattering. Nat. Phys. (2024).

10.1038/s41567-024-02534-9

https://doi.org/10.1038/s41567-024-02534-9