为光子AI加速器铺路，用于强化学习的激光动力学混沌巡回控制

光子人工智能在加速机器学习方面引起了相当大的兴趣；然而，这种独特的光学特性还没有被充分利用来实现更高阶的功能。混沌巡回（Chaotic Itinerancy）及其在多个准吸引子之间的自发瞬态动力学，可用于实现类脑功能。

近日，来自日本埼玉大学的研究人员研究了一种控制多模半导体激光器中混沌巡回的方法，以解决机器学习任务，即多臂老虎机（Multiarmed Bandit）问题，这是强化学习的基础。所提出的方法在通过光注入控制的模式竞争动力学中使用混沌巡回运动。

研究发现该探索机制与传统的搜索算法完全不同，且具有高度可扩展性，优于针对大规模老虎机问题的传统方法。这项研究为使用混沌巡回有效解决作为光子硬件加速器的复杂机器学习任务铺平了道路。

该研究以「Controlling chaotic itinerancy in laser dynamics for reinforcement learning」为题，于 2022 年 12 月 7 日发布在《Science Advances》上。

论文链接：https://www.science.org/doi/10.1126/sciadv.abn8325

内容中包含的图片若涉及版权问题，请及时与我们联系删除