Bhavin Shastri 在看到激光筆時仍然會感到興奮，從大約 10 歲起他就對它們著迷。 “令我驚訝的是，即使經過很長的距離，光束仍能保持其亮度，集中在一個很小的點上，”沙斯特里說。 “我手中的激光筆感覺就像一把來自星際大戰”。
沙斯特里現在是加拿大金斯頓女王大學的物理學家和工程師，他希望創造基於光的（或光子）計算機。他希望它們模仿人腦。
標準計算機依賴於電力，使用電線通過電流傳輸數據。相反，光子計算機依賴於激光束形式的光。沿途的濾光片會改變光的強度以進行計算。
儘管研究人員已經在實驗室中使用光來傳輸、存儲和處理數據，但光子計算仍處於起步階段。 Shastri 已著手突破這些界限。他的光子計算機芯片將行為類似於大腦神經元的光子組件組合在一起並連接起來，在芯片上創建了一個物理神經網絡。 “物理學模仿生物學，”沙斯特里說。
這些類型的芯片對於某些應用來說更強大，並且可能對人工智能來說是一個巨大的福音。
將計算機建模為大腦
沙斯特里對光的興趣從很小的時候就開始了。他回憶起小時候看到的一個實驗：一個塑料水瓶的底部附近被刺破，水在重力作用下源源不斷地向下流出。一束激光穿過瓶子上的孔，令夏斯特里驚訝的是，它並沒有繼續沿水平路徑前進。相反，梁隨著水流向下彎曲。 “這個實驗讓我徹底震驚了，”他說。
從那時起，沙斯特里一直在思考如何操縱光，同時也探索其他研究興趣。在大學裡，他與一位研究機器學習和人工智能的教授一起工作，這激發了他新的熱情。後來，作為普林斯頓大學的博士後，沙斯特里遇到了光學物理學家保羅·普魯克納爾（Paul Prucnal），後者後來擔任沙斯特里的導師。
夏斯特里說，普魯克納爾向夏斯特里講述了他的研究，創造了“一種像生物神經元一樣的激光器”，以及該團隊如何利用這種激光器來進行光計算。這個想法引起了沙斯特里的注意。
普魯納爾說，當沙斯特里意識到光子學可以突破電子學的一些嚴重局限性時，他是“第一個將這些點聯繫起來的人”。
沙斯特里說，標準計算機正在“達到其基本極限”。當大多數現代計算機進行計算時，它們無法同時訪問大部分內存，並且當它們從內存中檢索信息時，它們無法進行計算。這使得計算機在人工智能、圖像處理和其他具有高處理要求的計算中變得緩慢且笨拙。訓練和運行當今的人工智能算法消耗大量能源——預計總共需要約相當於日本的總用電量到 2026 年。具有模仿大腦架構的計算機或神經形態計算機有望速度更快、能耗更少。
“我們希望製造比其他計算機更節能、更快的機器，”沙斯特里說。
但是，在芯片上塞入足夠多的電線以形成用於電子計算機的類似大腦的連接網絡並不容易。靠近的電流會相互施加不需要的磁力，導致過熱和不穩定的性能。然而，光通常不會與其他光相互作用。因此，無數不同波長的光束可以同時沿著同一路徑通過，沒有任何問題。
Prucnal 指出，Shastri 是第一個成功在芯片上創建神經形態光子計算機的人。 “巴文開創了一種思維方式，”他說。
研究光
沙斯特里自稱是“鐵桿實驗家”，負責設計、製造、構建芯片大小的光子器件並進行實驗。他的團隊首先研究類似於單個神經元的更簡單的設備，分析它們如何模仿生物神經元的功能。 Shastri 表示，多年後，在一項尚未發表的工作中，研究人員初步證明了具有 100,000 個類神經元組件的芯片每秒可以執行 1200 億次操作，比普通電子計算機快約 40 倍。
法國 FEMTO-ST 研究所的機器學習和計算研究員 Daniel Brunner 在博士後時期認識了 Shastri，他對 Shastri 的開創性工作表示讚賞。布倫納說，“我什至數不清他為使用光子學創建物理神經網絡奠定了基礎的出版物”。
普魯克納爾說，沙斯特里的才華超出了他“令人難以置信的精力”和“令人難以置信的能力”：沙斯特里能夠將人們團結在一起。 “這不僅僅是討人喜歡，而是對如何[聯合]這些不同領域有遠見，”他補充道。
不過，不要指望很快就會在您的家中擁有光子神經形態計算機。這些計算機更適合特定的研究或行業應用。除了人工智能之外，沙斯特里和他的同事還致力於研究包括無線電信號優化和圖像處理方面長期存在的問題的應用程序。
沙斯特里可能致力於改變計算技術，但他的工作動機是數十年來對光及其特性的迷戀。 “我很幸運能夠做一些事情，”他說，“這一直是我兒時的夢想。”
