德國明斯特大學、英國?？巳卮髮W和牛津大學聯合團隊現已開發出一種所謂的基于事件的架構，該架構使用光子處理器，通過光來傳輸和處理數據。與大腦類似，這使得神經網絡內的連接不斷適應成為可能。這種可變的連接是學習過程的基礎。該研究發表在新一期《科學進展》雜志上。
現代計算機模型（例如復雜、強大的人工智能應用程序）將傳統數字計算機流程推向極限。新型計算架構模擬生物神經網絡的工作原理，有望實現更快、更節能的數據處理。
機器學習中的神經網絡需要的是由外部興奮信號激活并與其他神經元有連接的人工神經元。這些人工神經元之間的連接稱為突觸，就像生物原始神經元一樣。研究團隊使用了一個由近8400個光學神經元組成的網絡，這些神經元由波導耦合相變材料制成。
研究表明，每個神經元之間的兩個連接確實可以變得更強或更弱（突觸可塑性），且可形成新的連接，或消除現有的連接（結構可塑性）。與其他類似研究相比，突觸不是硬件元件，而是根據光脈沖的特性進行編碼。換句話說，根據光脈沖的相應波長和強度進行編碼，這使得在一塊芯片上集成數千個神經元并以光學方式連接它們成為可能。
與傳統的電子處理器相比，基于光的處理器提供了更高的帶寬，僅低能耗就可以執行復雜的計算任務。從長遠來看，它將能以快速、節能的方式應用于人工智能。
