전기 없이 작동하는 광학 신경망: 렌즈에 빛을 통과시켜 행렬 곱셈을 즉시 수행하는 방법
University of California, Los Angeles
2018년, UCLA 연구팀은 일반 플라스틱으로 회절형 심층 신경망(D²NN)을 3D 프린팅했습니다. 다섯 개의 플라스틱 판이 빛의 회절을 이용해 행렬 곱셈을 수행하며, 손으로 쓴 숫자 인식에서 91.75%의 정확도를 달성했고, 제작 후에는 전기를 전혀 사용하지 않습니다. 학습은 GPU에서 수행된 후, 가중치가 판의 기하학적 구조에 고정됩니다.
2018년, UCLA의 Xin Lin과 Aydogan Ozcan이 이끄는 팀이 D²NN(Diffractive Deep Neural Network, 회절 심층 신경망)이라는 광학 신경망을 일반 플라스틱으로 3D 프린팅했습니다. 이는 테라헤르츠 빔(0.4 THz, 파장 0.75 mm)에 배치된 미세 구조 표면을 가진 다섯 개의 플라스틱 판으로 구성됩니다. 각 판은 신경망 층으로 작동합니다: 각 미세 픽셀의 두께는 위상 이동(가중치)을 결정하고, 판 사이의 회절은 완전 연결성을 구현하며, 최종 간섭 패턴은 숫자 분류를 위해 10개 구역의 스크린에 빛을 집중시킵니다. 이 네트워크는 MNIST 숫자 인식에서 91.75%의 정확도를 달성했습니다. 작동 중에는 전기가 필요 없으며 광원만 필요합니다. 훈련은 역전파를 통해 GPU에서 수행되며, 학습된 위상 값은 물리적 두께로 변환되어 3D 프린팅됩니다. 이 시스템은 선형적이며, ReLU와 같은 비선형 활성화 함수가 부족합니다. 전기-광학 하이브리드, 이광자 흡수, 전자기 유도 투명성, 음향-광학 등 다양한 접근 방식이 탐구되었지만 상업적 대체에는 도달하지 못했습니다.
출처: Habr — хаб ML —
원문