据《自然·光子学》杂志报道，近期美国宾夕法尼亚大学的研究团队成功开发出了一种创新性的可编程芯片。

这款芯片通过巧妙利用光的特性，实现了非线性神经网络的训练功能。这一技术突破不仅有望显著提升人工智能模型的训练速度，还能够有效降低能耗，为未来全光驱动计算机的研发奠定了基础。

研究团队在芯片设计中引入了一种特殊的半导体材料这种材料对光具有极高的敏感度。当携带输入数据的“信号”光通过材料时，另一束被称为“泵浦”光的光源会从上方照射，从而调控材料的响应特性。

通过调整泵浦光的形状和强度，研究人员能够根据信号光的强度以及材料的反应特性，控制信号光的吸收、传输或放大方式，进而实现对芯片的编程，以完成不同的非线性运算任务。

团队用其解决多项基准AI问题进行测试，在简单的非线性决策边界任务中，实现了超过97%的准确率。与传统数字神经网络相比，这种光子芯片性能更强，能耗更低。