基于光子贝叶斯机器的不确定性推理
机器学习
2025-12-03 v1 应用物理
摘要
人工智能（AI）系统日益影响社会安全关键领域，从医疗诊断到自动驾驶，使得对不确定性的意识成为可信赖 AI 的核心要求。我们提出了一种光子贝叶斯机器，利用混沌光源的本征随机性，在贝叶斯神经网络框架内实现不确定性推理。该模拟处理器配备 1.28 Tbit/s 的数字接口，兼容 PyTorch，使每进行一次卷积的概率卷积处理时间仅为 37.5 ps。我们使用该系统对血细胞显微镜图像进行同时的分类和超域检测，并演示了在 aleatoric 与 epistemic 不确定性之间的推理。光子贝叶斯机器消除了数字系统中伪随机数生成的瓶颈，最小化了概率模型抽样的成本，从而实现高速可信赖 AI 系统。
引用
@article{arxiv.2512.02217,
title = {Uncertainty Reasoning with Photonic Bayesian Machines},
author = {F. Brückerhoff-Plückelmann and H. Borras and S. U. Hulyal and L. Meyer and X. Ji and J. Hu and J. Sun and B. Klein and F. Ebert and J. Dijkstra and L. McRae and P. Schmidt and T. J. Kippenberg and H. Fröning and W. Pernice},
journal= {arXiv preprint arXiv:2512.02217},
year = {2025}
}