شبكة عصبية بصرية

قناع طور مدرّب متعدد الطبقات (مصنف الأحرف المكتوب بخط اليد). على اليمين يوجد نموذج مادي لشبكة عصبية بصرية D²NN مطبوعة على طابعة ثلاثية الأبعاد: طبقات 8 × 8 سم بمسافة 3 سم بين بعضها البعض

طور فريق من الباحثين من جامعة كاليفورنيا في لوس أنجلوس نوعًا جديدًا من الشبكات العصبية التي تستخدم الضوء بدلاً من الكهرباء للعمل. نشرت مجلة Science مقالًا يصف فكرة وجهاز عمل وأدائها وأنواع التطبيقات ، وهي ، وفقًا للمؤلفين ، جيدة للحوسبة في نوع جديد من الشبكات العصبية.

الشبكة العصبية العميقة المنتشرة بصريًا بالكامل (D²NN) ، والتي تتكون فيزيائيًا من مجموعة متنوعة من الأسطح العاكسة أو الشفافة. تعمل هذه الأسطح معًا ، وتقوم بوظيفة عشوائية ، يتم الحصول عليها نتيجة للتدريب. أثناء الحصول على النتيجة والتنبؤ في الشبكة المادية يتم تنظيمه بصريًا تمامًا ، يتم حساب جزء التدريب بتصميم بنية الأسطح العاكسة على جهاز كمبيوتر.

لذلك ، في النموذج المادي ، تتكون D²NN من عدة طبقات عاكسة أو شفافة. في هذه الطبقات ، ترسل كل نقطة أو تعكس موجة واردة. وبالتالي ، فإن هذه النقطة عبارة عن عصبون اصطناعي متصل بالخلايا العصبية للطبقات التالية من خلال الحيود البصري. يظهر هيكل D²NN في الرسم التوضيحي.


الشبكة العصبية العميقة المنتشرة (D²NN).

في الرسم التوضيحي أ ، رسم تخطيطي لعدة طبقات شفافة / عاكسة ، حيث تكون كل نقطة عبارة عن خلية عصبية ذات معامل شفافية أو انعكاس معقد. يتم اشتقاق هذه المعاملات من خلال التعلم العميق. بعد مرحلة التدريب ، يتم إصلاح تصميم D²NN - ويتم طباعة الألواح المقابلة على الطابعة ثلاثية الأبعاد ، والتي تحسب الوظيفة التي تم الحصول عليها نتيجة التدريب الأولي. على عكس شبكات الكمبيوتر الإلكترونية ، يتم إجراء الحسابات هنا بسرعة الضوء .

خلال التجارب ، قام العلماء بتدريب واختبار تجريبي عدة أنواع من D²NN. يُظهر الشكل B مصنف الأحرف المكتوبة بخط اليد ، ويعرض الشكل C عدسة التصوير.

يقارن الجزء السفلي من الرسم التوضيحي تشغيل الشبكة العصبية الضوئية الانعراجية (يسار) والشبكة العصبية الإلكترونية (يمين). بناءً على الموجات المتماسكة ، تعمل D²NN بقيم إدخال معقدة وتحيز مضاعف. تعتمد أوزان D²NN على حيود الفضاء الحر وتحدد التداخل المتماسك للموجات الثانوية ، وهي المرحلة و / أو السعة المعدلة بالطبقات السابقة. يعني الرمز "ο" تشغيل منتج هادامارد ، أي الضرب المنطقي للبتات للأعضاء المقابلة في تسلسلين متساويين في الطول.

يشرح الباحثون أن بنية الشبكة العصبية الضوئية منظمة وفقًا لمبدأ Huygens ، والتي يمكن بموجبها اعتبار كل عنصر من جبهة الموجة مركزًا للاضطراب الثانوي الذي يولد موجات كروية ثانوية ، وسيتم تحديد مجال الضوء الناتج في كل نقطة في الفضاء من خلال تداخل هذه الموجات. وهكذا ، فإن العصبون الاصطناعي في D²NN متصل بالخلايا العصبية الأخرى للطبقة التالية من خلال موجة ثانوية ، والتي يتم تعديلها في السعة والطور من خلال كل من نمط تداخل الإدخال الناتج عن الطبقات السابقة ومعامل الانتقال / الانعكاس المحلي عند هذه النقطة.

عن طريق القياس مع الشبكات العصبية العميقة القياسية ، يمكننا اعتبار معامل الإرسال / الانعكاس لكل نقطة / عصبون كمصطلح مضاعف "التحيز" ، والذي يتم تصحيحه بشكل متكرر أثناء تدريب شبكة الانعراج باستخدام طريقة الانتشار الخلفي للخطأ. بعد التدريب الرقمي ، يتم إصلاح تصميم D2NN ويتم تحديد معاملات الانتقال / الانعكاس للخلايا العصبية من جميع الطبقات. ثم يمكنك عمل الطبقات المحسوبة بأي طريقة: الطباعة ثلاثية الأبعاد ، الطباعة الحجرية ، إلخ.

يؤكد العلماء أن الشبكة العصبية الضوئية تؤدي وظيفة بسرعة الضوء ولا تحتاج إلى طاقة. وبالتالي ، فهي طريقة فعالة وسريعة لتنفيذ مهام التعلم الآلي.

لاختبار الفكرة ، قام الباحثون بإنشاء شبكة عصبية يمكنها التعرف على الأرقام من صفر إلى تسعة - والإبلاغ عن النتيجة. بعد التدريب على 55000 صورة للأرقام ، أظهرت الشبكة العصبية المطبوعة المكونة من سبع طبقات دقة 93.39٪.



في التعرف على الملابس والأحذية العصرية ، أظهرت شبكة عصبية من خمس طبقات دقة 81.13 ٪ ، وشبكة عصبية من عشر طبقات - 86.60 ٪.



وفقًا للباحثين ، يمكن استخدام الشبكة العصبية من النوع البصري في الأجهزة المتخصصة التي تتطلب سرعة عالية ، مثل تحديد شخص معين في حشد من الأشخاص المتحركين.

تم نشر المقال العلمي في 26 يوليو 2018 في مجلة Science (doi: 10.1126 / science.aat8084 ، pdf ).