Réseaux de neurones optiques sans électricité : comment faire passer la lumière à travers une lentille pour multiplier instantanément des matrices
University of California, Los Angeles
En 2018, un groupe de l'UCLA a imprimé en 3D un réseau de neurones profond diffractif (D²NN) en plastique ordinaire. Cinq plaques de plastique effectuent une multiplication matricielle par diffraction de la lumière, atteignant une précision de 91,75 % sur la reconnaissance de chiffres manuscrits avec zéro électricité après la fabrication. L'entraînement se fait sur GPU, puis les poids sont fixés dans la géométrie des plaques.
En 2018, une équipe dirigée par Xin Lin et Aydogan Ozcan à l'UCLA a imprimé en 3D un réseau neuronal optique appelé D²NN (réseau neuronal diffractif profond) à partir de plastique ordinaire. Il se compose de cinq plaques de plastique avec des surfaces microstructurées placées dans un faisceau térahertz (0,4 THz, longueur d'onde 0,75 mm). Chaque plaque agit comme une couche de réseau neuronal : l'épaisseur de chaque pixel microscopique détermine le déphasage (poids), la diffraction entre les plaques implémente une connectivité complète, et le motif d'interférence final focalise la lumière sur un écran à 10 secteurs pour la classification des chiffres. Le réseau a atteint une précision de 91,75 % sur la reconnaissance des chiffres MNIST. Pendant le fonctionnement, aucune électricité n'est nécessaire, seulement une source de lumière. L'entraînement est effectué sur GPU via la rétropropagation, puis les valeurs de phase apprises sont converties en épaisseur physique et imprimées en 3D. Le système est linéaire, manquant de fonctions d'activation non linéaires comme ReLU ; diverses approches (hybrides électro-optiques, absorption à deux photons, transparence induite électromagnétiquement, acousto-optique) ont été explorées mais aucune n'a atteint un remplacement commercial.
Source: Habr — хаб ML —
original