Software-implementation, via neural networks, of brain-inspired computing approaches underlie many important modern-day computational tasks, from image processing to speech recognition, artificial intelligence and deep learning applications. Yet, differing from real neural tissue, traditional computing architectures physically separate the core computing functions of memory and processing, making fast, efficient and low-energy brain-like computing difficult to achieve. To overcome such limitations, an attractive and alternative goal is to design direct hardware mimics of brain neurons and synapses which, when connected in appropriate networks (or neuromorphic systems), process information in a way more fundamentally analogous to that of real brains. Here we present an all-optical approach to achieving such a goal. Specifically, we demonstrate an all-optical spiking neuron device and connect it, via an integrated photonics network, to photonic synapses to deliver a small-scale all-optical neurosynaptic system capable of supervised and unsupervised learning. Moreover, we exploit wavelength division multiplexing techniques to implement a scalable circuit architecture for photonic neural networks, successfully demonstrating pattern recognition directly in the optical domain using a photonic system comprising 140 elements. Such optical implementations of neurosynaptic networks promise access to the high speed and bandwidth inherent to optical systems, which would be very attractive for the direct processing of telecommunication and visual data in the optical domain.

中文翻译：

---

具有自学习功能的全光尖刺神经突触网络

大脑启发式计算方法的神经网络软件实现，是许多重要的现代计算任务的基础，从图像处理到语音识别，人工智能和深度学习应用。但是，与实际的神经组织不同，传统的计算体系结构在物理上将内存和处理的核心计算功能区分开来，从而使快速，高效和低能耗的类似于大脑的计算难以实现。为了克服这些局限性，一个有吸引力的替代目标是设计大脑神经元和突触的直接硬件模拟，当它们连接到适当的网络（或神经形态系统）中时，可以从根本上类似于真实大脑的方式来处理信息。在这里，我们提出了一种全光学方法来实现这一目标。具体来说，我们演示了一种全光刺突神经元设备，并通过集成的光子网络将其连接到光子突触，以提供一种能够进行有监督和无监督学习的小型全光学神经突触系统。此外，我们利用波分复用技术为光子神经网络实现可扩展的电路体系结构，使用包含140个元素的光子系统成功地直接在光域中成功展示了模式识别。神经突触网络的这种光学实现方式有望访问光学系统固有的高速和带宽，这对于光域中电信和可视数据的直接处理将非常有吸引力。可以通过光子突触来提供能够进行有监督和无监督学习的小规模全光学神经突触系统。此外，我们利用波分复用技术为光子神经网络实现可扩展的电路体系结构，使用包含140个元素的光子系统成功地直接在光域中成功展示了模式识别。神经突触网络的这种光学实现方式有望访问光学系统固有的高速和带宽，这对于光域中电信和可视数据的直接处理将非常有吸引力。可以通过光子突触来提供能够进行有监督和无监督学习的小规模全光学神经突触系统。此外，我们利用波分复用技术为光子神经网络实现可扩展的电路体系结构，使用包含140个元素的光子系统成功地直接在光域中成功展示了模式识别。神经突触网络的这种光学实现方式有望访问光学系统固有的高速和带宽，这对于光域中电信和可视数据的直接处理将非常有吸引力。我们利用波分复用技术为光子神经网络实现可扩展的电路体系结构，使用包含140个元素的光子系统成功地直接在光域中成功展示了模式识别。神经突触网络的这种光学实现方式有望访问光学系统固有的高速和带宽，这对于光域中电信和可视数据的直接处理将非常有吸引力。我们利用波分复用技术为光子神经网络实现可扩展的电路体系结构，使用包含140个元素的光子系统成功地直接在光域中成功展示了模式识别。神经突触网络的这种光学实现方式有望访问光学系统固有的高速和带宽，这对于光域中电信和可视数据的直接处理将非常有吸引力。