据《自然·光子学》杂志报道，美国宾夕法尼亚大学的研究团队成功开发出了首款极具创新性的可编程芯片，这款芯片能够巧妙地利用光来实现非线性神经网络的训练。
这项突破有望大幅加快AI训练速度，同时降低能源消耗，并为研制全光驱动计算机奠定基础。
原来，研发团队在芯片的研发过程中引入了一种极为特殊的半导体材料，这种材料对光具有高度的敏感性。
当携带输入数据的“信号”光穿过这种材料时，另一束“泵浦”光从上方照射下来，调节材料的响应特性。
通过调整泵浦光的形状和强度，团队可以根据信号光的强度及材料的反应来控制信号光的吸收、传输或放大方式，从而对芯片进行编程以执行不同的非线性功能。
团队用其解决多项基准AI问题进行测试，在简单的非线性决策边界任务中，实现了超过97%的准确率。与传统数字神经网络相比，这种光子芯片性能更强，能耗更低。
