人工智能和机器学习已经成为我们在线日常生活不可或缺的一部分。例如，搜索引擎(例如Google)使用智能排名算法，而视频流服务(例如Netflix)则使用机器学习来个性化电影推荐。

随着对在线AI的需求持续增长，加快AI性能并找到降低能耗的方法的需求也在增长。

现在，由华盛顿大学领导的团队提出了一个可以提供帮助的系统：使用相变材料的光学计算核心原型。该系统快速，高效节能，并且能够加速AI和机器学习中使用的神经网络。该技术也是可扩展的，可直接应用于云计算。

该小组于1月4日在《自然通讯》上发表了这些发现。

“我们开发的硬件经过优化，可以运行人工神经网络算法，这实际上是AI和机器学习的骨干算法，”威斯康星大学电气与计算机工程与物理学副教授，高级作者Mo Li说。“这项研究进展将使AI中心和云计算更加节能，并且运行速度更快。”

该团队是世界上第一个在光学计算中使用相变材料来通过人工神经网络进行图像识别的团队。识别照片中的图像是人类容易完成的事情，但是对AI的计算要求很高。由于图像识别需要大量计算，因此被认为是神经网络计算速度和精度的基准测试。该团队证明，运行人工神经网络的光学计算核心可以轻松通过此测试。

威斯康星大学电子与计算机工程系研究生吴昌明说：“光学计算最初是在1980年代出现的，但后来在微电子学的阴影下逐渐消失。” “现在，由于摩尔定律的终结，集成光子技术的进步以及人工智能计算的需求，它已经得到了改进。这非常令人兴奋。”