Jaringan saraf optik tanpa listrik: bagaimana melewatkan cahaya melalui lensa untuk mengalikan matriks secara instan
University of California, Los Angeles
Pada tahun 2018, sebuah kelompok dari Universitas California, Los Angeles (UCLA) mencetak 3D jaringan saraf dalam difraktif (D²NN) dari plastik biasa. Lima pelat plastik melakukan perkalian matriks menggunakan difraksi cahaya, mencapai akurasi 91,75% pada pengenalan digit tulisan tangan dengan nol listrik setelah fabrikasi. Pelatihan dilakukan pada unit pemrosesan grafis (GPU), kemudian bobot ditetapkan dalam geometri pelat.
Pada tahun 2018, tim yang dipimpin oleh Xin Lin dan Aydogan Ozcan di UCLA mencetak 3D sebuah jaringan saraf optik bernama D²NN (Diffractive Deep Neural Network) dari plastik biasa. Jaringan ini terdiri dari lima pelat plastik dengan permukaan mikro-struktur yang ditempatkan dalam berkas terahertz (0,4 THz, panjang gelombang 0,75 mm). Setiap pelat bertindak sebagai lapisan jaringan saraf: ketebalan setiap piksel mikroskopis menentukan pergeseran fase (bobot), difraksi antar pelat mengimplementasikan konektivitas penuh, dan pola interferensi akhir memfokuskan cahaya ke layar 10 sektor untuk klasifikasi digit. Jaringan ini mencapai akurasi 91,75% pada pengenalan digit MNIST. Selama operasi, tidak diperlukan listrik—hanya sumber cahaya. Pelatihan dilakukan di GPU melalui propagasi balik (backpropagation), kemudian nilai fase yang dipelajari dikonversi menjadi ketebalan fisik dan dicetak 3D. Sistem ini bersifat linier, tanpa fungsi aktivasi nonlinier seperti ReLU; berbagai pendekatan (hibrida elektro-optik, absorpsi dua foton, transparansi yang diinduksi elektromagnetik, akusto-optik) telah dieksplorasi tetapi tidak ada yang mencapai pengganti komersial.
Sumber: Habr — хаб ML —
asli