Оптическая дифракционная нейронная сеть, изготовленная при помощи трехмерной печати, выполняет распознавание объектов буквально со скоростью света

Дифракционная нейронная сеть

Искусственные нейронные сети, используемые сейчас в технологиях искусственного интеллекта и предназначенные для решения тяжелых вычислительных задач, таких, как распознавание объектов на изображениях, к примеру, ассоциируются у нас с большими высокопроизводительными вычислительными системами или специализированными нейроморфными процессорами, работа которых основана на принципах работы головного мозга. Однако, исследователи из Калифорнийского университета в Лос-Анджелесе нашли новый способ реализации искусственной нейронной сети, используя свет, проходящий через череду специальных дифракционных пластин, изготовленных при помощи технологий трехмерной печати. Естественно, что такая нейронная сеть буквально работает со скоростью света, а для ее функционирования требуется не такое уж и большое количество энергии.

Традиционно, технологии глубинного машинного обучения и самообучения реализуются на базе нейронных сетей, создаваемых программным способом в недрах достаточно мощных компьютеров. И некоторые наиболее удачные реализации этих технологий уже могут сравниться, а иногда и превзойти человека по скорости и качеству работы. Тем не менее, такой подход к реализации нейронных сетей имеет ряд недостатков, главным из которых является необходимость использования большого количества ресурсов компьютерной техники и, как следствие, достаточно большое количество потребляемой во время работы энергии.

Дифракционная нейронная сеть #2

Для решения этой проблемы группа, возглавляемая доктором Эйдогэном Озканом (Dr. Aydogan Ozcan), решила отказаться от использования электронов в пользу использования фотонов света. И результатом их работы стала полностью оптическая дифракционная глубинная нейронная сеть (Diffractive Deep Neural Network, D2NN). В этой сети используются пластины из прозрачного материала, напечатанные на трехмерном принтере. Пространство каждой пластины разбито на тысячи трехмерных «пикселей», отражающих и преломляющих проходящий сквозь них свет строго заданным способом. Лучи света, обработанные каждым из пикселей, складываются в дифракционную картину, образ которой проходит сквозь следующую пластину. Такой подход позволяет выполнить многоэтапную обработку данных, которые заключены в потоке света, попадающем на первую пластину, и самым интересным является то, что для обработки данных не требуется никакой дополнительной энергии, кроме той, которая уже содержится во входном потоке света.

По внешнему виду пластины дифракционной нейронной сети чем-то напоминают позолоченные пластины от обычной автомобильной аккумуляторной батареи. Несмотря на столь необычный вид такая нейронная сеть, работающая буквально со скоростью света, успешно справляется с такими задачами, как анализ изображений, поиск и классификация объектов и т.п. А в будущем такие миниатюризированные нейронные сети могут быть даже встроены в камеры для смартфонов, где они будут выполнять некоторые специфические задачи, позволяя идентифицировать объекты «на лету» и снабжать изображения соответствующими ключевыми словами, к примеру.

Принцип работы дифракционной нейронной сети

«Самым интересным является то, что нейронная сеть состоит исключительно из пассивных компонентов, которые могут быть изготовлены слой за слоем» — рассказывает доктор Озкан, — «Эти слои связываются друг с другом при помощи явления дифракции и в результате у нас имеется полностью оптическая система, способная выполнять вычислительные задачи со скоростью света».

Созданная учеными дифракционная нейронная сеть является пока лишь доказательством работоспособности заложенных в нее идей и решений. Тем не менее, появление этой сети уже открывает массу новых уникальных возможностей для технологий машинного глубинного обучения и самообучения следующих поколений.

Share Button

Материалы по теме:

Созданы первые образцы оптических искусственных нейронных сетей
Исследователи из американского Национального института Стандартов и Технологий (National Institute of Standards and Technology, NIST) создали первый в своем роде кремниевый чип, содержащий искусственную ...
Исследователи Google DeepMind обучили искусственный интеллект играть в «Quake III Arena» лучше живых людей
Одним из направлений развития систем искусственного интеллекта является улучшение качества и увеличения реалистичности компьютерных игр. В этой области искусственный интеллект может составлять новые карты ...
Создана система искусственного интеллекта, способная выявить поддельные изображения
Благодаря наличию целого ряда специализированных и простых в использовании программ, ориентированных на обработку цифровых изображений, таких, как Adobe Photoshop, дело создания фальсифицированных изображений упрощается ...
Система искусственного интеллекта компании IBM выиграла дебаты у самого искушенного в этом деле человека
Череда побед систем искусственного интеллекта над людьми, которая началась в 1997 году победой системы IBM Deep Blue над Гарри Каспаровым, чемпионом мира по шахматам, ...
Новая система компании NVidia, основанная на искусственном интеллекте, превращает любое видео в сверхвысококачественную замедленную съемку
Исследователи компании NVidia, занимающиеся искусственным интеллектом, продемонстрировали новую систему на базе нейронной сети, которая может превратить любое видео в сверхвысококачественную замедленную съемку путем глубокой ...
You can skip to the end and leave a response. Pinging is currently not allowed.

Leave a Reply

Яндекс.Метрика