Bhavin Shastri 在看到激光笔时仍然会感到兴奋，从大约 10 岁起他就对它们着迷。 “令我惊讶的是，即使经过很长的距离，光束仍能保持其亮度，集中在一个很小的点上，”沙斯特里说。 “我手中的激光笔感觉就像一把来自星球大战”。
沙斯特里现在是加拿大金斯顿女王大学的物理学家和工程师，他希望创造基于光的（或光子）计算机。他希望它们模仿人脑。
标准计算机依赖于电力，使用电线通过电流传输数据。相反，光子计算机依赖于激光束形式的光。沿途的滤光片会改变光的强度以进行计算。
尽管研究人员已经在实验室中使用光来传输、存储和处理数据，但光子计算仍处于起步阶段。 Shastri 已着手突破这些界限。他的光子计算机芯片将行为类似于大脑神经元的光子组件组合在一起并连接起来，在芯片上创建了一个物理神经网络。 “物理学模仿生物学，”沙斯特里说。
这些类型的芯片对于某些应用来说更强大，并且可能对人工智能来说是一个巨大的福音。
将计算机建模为大脑
沙斯特里对光的兴趣从很小的时候就开始了。他回忆起小时候看到的一个实验：将一个塑料水瓶的底部附近刺破，水在重力作用下源源不断地向下流出。一束激光穿过瓶子上的孔，令夏斯特里惊讶的是，它并没有继续沿水平路径前进。相反，梁随着水流向下弯曲。 “这个实验让我彻底震惊了，”他说。
从那时起，沙斯特里一直在思考如何操纵光，同时也探索其他研究兴趣。在大学里，他与一位研究机器学习和人工智能的教授一起工作，这激发了他新的热情。后来，作为普林斯顿大学的博士后，沙斯特里遇到了光学物理学家保罗·普鲁克纳尔（Paul Prucnal），后者后来担任沙斯特里的导师。
夏斯特里说，普鲁克纳尔向夏斯特里讲述了他的研究，创造了“一种像生物神经元一样的激光器”，以及该团队如何利用这种激光器来进行光计算。这个想法引起了沙斯特里的注意。
普鲁纳尔说，当沙斯特里意识到光子学可以突破电子学的一些严重局限性时，他是“第一个将这些点联系起来的人”。
沙斯特里说，标准计算机正在“达到其基本极限”。当大多数现代计算机进行计算时，它们无法同时访问大部分内存，并且当它们从内存中检索信息时，它们无法进行计算。这使得计算机在人工智能、图像处理和其他具有高处理要求的计算中变得缓慢且笨拙。训练和运行当今的人工智能算法消耗大量能源——预计总共需要约相当于日本的总用电量到 2026 年。具有模仿大脑架构的计算机或神经形态计算机有望速度更快、能耗更少。
“我们希望制造比其他计算机更节能、更快的机器，”沙斯特里说。
但是，在芯片上塞入足够多的电线以形成用于电子计算机的类似大脑的连接网络并不容易。靠近的电流会相互施加不需要的磁力，导致过热和不稳定的性能。然而，光通常不会与其他光相互作用。因此，无数不同波长的光束可以同时沿着同一路径通过，没有任何问题。
Prucnal 指出，Shastri 是第一个成功在芯片上创建神经形态光子计算机的人。 “巴文开创了一种思维方式，”他说。
研究光
沙斯特里自称是“铁杆实验家”，负责设计、制造、构建芯片大小的光子器件并进行实验。他的团队首先研究类似于单个神经元的更简单的设备，分析它们如何模仿生物神经元的功能。 Shastri 表示，多年后，在一项尚未发表的工作中，研究人员初步证明了具有 100,000 个类神经元组件的芯片每秒可以执行 1200 亿次操作，比普通电子计算机快约 40 倍。
法国 FEMTO-ST 研究所的机器学习和计算研究员 Daniel Brunner 在博士后时期认识了 Shastri，他对 Shastri 的开创性工作表示赞赏。布伦纳说，“我什至数不清他为使用光子学创建物理神经网络奠定了基础的出版物”。
普鲁克纳尔说，沙斯特里的才华超出了他“令人难以置信的精力”和“令人难以置信的能力”：沙斯特里能够将人们团结在一起。 “这不仅仅是讨人喜欢，而是对如何[联合]这些不同领域有远见，”他补充道。
不过，不要指望很快就会在家里拥有光子神经形态计算机。这些计算机更适合特定的研究或行业应用。除了人工智能之外，沙斯特里和他的同事还致力于研究包括无线电信号优化和图像处理方面长期存在的问题的应用程序。
沙斯特里可能致力于改变计算技术，但他的工作动机是数十年来对光及其特性的迷恋。 “我很幸运能够做一些事情，”他说，“这一直是我儿时的梦想。”
