清华光学AI登Nature！物理神经网络，反向传播不需要了

AIGC动态欢迎阅读

原标题：清华光学AI登Nature！物理神经网络，反向传播不需要了
关键字：神经网络,系统,方法,梯度,光子
文章来源：量子位
内容字数：0字

内容摘要：

一水 发自 凹非寺量子位 | 公众号 QbitAI用光训练神经网络，清华成果最新登上了Nature！
无法应用反向传播算法怎么办？
他们提出了一种全前向模式（Fully Forward Mode，FFM）的训练方法，在物理光学系统中直接执行训练过程，克服了传统基于数字计算机模拟的限制。
简单点说，以前需要对物理系统进行详细建模，然后在计算机上模拟这些模型来训练网络。而FFM方法省去了建模过程，允许系统直接使用实验数据进行学习和优化。
这也意味着，训练不需要再从后向前检查每一层（反向传播），而是可以直接从前向后更新网络的参数。
打个比方，就像拼图一样，反向传播需要先看到最终图片（输出），然后逆向一块块检查复原；而FFM方法更像手中已有部分完成的拼图，只需按照一些光原理（对称互易性）继续填充，而无需回头检查之前的拼图。
这样下来，使用FFM优势也很明显：
一是减少了对数学模型的依赖，可以避免模型不准确带来的问题；二是节省了时间（同时能耗更低），使用光学系统可以并行处理大量的数据和操作，消除反向传播也减少了整个网络中需要检查和调整的步骤。
论文共同一作是来自清华的薛智威、周天贶，通讯作者是清

原文链接：清华光学AI登Nature！物理神经网络，反向传播不需要了

联系作者

文章来源：量子位
作者微信：
作者简介：