Optiset neuroverkot ilman sähköä: miten valo ohjataan linssin läpi matriisien kertomiseen hetkessä
University of California, Los Angeles
Vuonna 2018 UCLA:n ryhmä tulosti 3D-tulostimella diffraktiivisen syvän neuroverkon (D²NN) tavallisesta muovista. Viisi muovilevyä suorittaa matriisikertolaskun valon diffraktion avulla ja saavuttaa 91,75 prosentin tarkkuuden käsinkirjoitettujen numeroiden tunnistuksessa ilman sähköä valmistuksen jälkeen. Harjoitus tehdään grafiikkasuorittimella (GPU), jonka jälkeen painot kiinnitetään levyjen geometriaan.
Vuonna 2018 Xin Linin ja Aydogan Ozcanin johtama tiimi UCLA:ssa tulosti 3D-tulostimella optisen neuroverkon nimeltä D²NN (Diffractive Deep Neural Network) tavallisesta muovista. Se koostuu viidestä muovilevystä, joissa on mikrorakenteiset pinnat, ja ne on sijoitettu terahertsisäteeseen (0,4 THz, aallonpituus 0,75 mm). Jokainen levy toimii neuroverkon kerroksena: kunkin mikroskooppisen pikselin paksuus määrää vaihesiirron (painon), levyjen välinen diffraktio toteuttaa täyden yhteyksien verkoston, ja lopullinen interferenssikuvio kohdistaa valon 10-sektoriselle näytölle numeroiden luokittelua varten. Verkko saavutti 91,75 prosentin tarkkuuden MNIST-numeroiden tunnistuksessa. Toiminnan aikana sähköä ei tarvita – vain valonlähde. Harjoitus suoritetaan GPU:lla takaisinkytkennän avulla, minkä jälkeen opitut vaihearvot muunnetaan fyysiseksi paksuudeksi ja tulostetaan 3D-tulostimella. Järjestelmä on lineaarinen, eikä siinä ole epälineaarisia aktivointifunktioita, kuten ReLU:ta; erilaisia lähestymistapoja (sähköoptiset hybridit, kaksifotoninen absorptio, sähkömagneettisesti indusoitu läpinäkyvyys, akusto-optiikka) on tutkittu, mutta mikään ei ole saavuttanut kaupallista korvaavuutta.
Lähde: Habr — хаб ML —
Alkuperäinen