Réseau de neurones optiques

Masque de phase multicouche formé (classificateur de caractères manuscrit). A droite, un modèle physique d'un réseau de neurones optiques D²NN imprimé sur une imprimante 3D: couches 8 × 8 cm avec une distance de 3 cm entre elles

Une équipe de chercheurs de l'Université de Californie à Los Angeles a développé un nouveau type de réseau neuronal qui utilise la lumière au lieu de l'électricité pour fonctionner. La revue Science a publié un article décrivant l'idée, le dispositif de travail, ses performances et les types d'applications, qui, selon les auteurs, sont bons pour le calcul dans un nouveau type de réseau de neurones.

Le réseau de neurones profonds diffractifs entièrement optiques (D²NN), qui est physiquement formé à partir d'une variété de surfaces réfléchissantes ou transparentes. Ces surfaces fonctionnent ensemble, remplissant une fonction arbitraire, acquise à la suite de la formation. Tandis que l'obtention du résultat et la prévision dans le réseau physique sont organisées de manière complètement optique, la partie d'apprentissage avec la conception de la structure des surfaces réfléchissantes est calculée sur ordinateur.

Ainsi, dans le modèle physique, D²NN est constitué de plusieurs couches réfléchissantes ou transparentes. Sur ces couches, chaque point transmet ou réfléchit une onde entrante. Ainsi, ce point est un neurone artificiel qui est connecté aux neurones des couches suivantes par diffraction optique. La structure de D²NN est représentée dans l'illustration.


Réseau de neurones profonds diffractifs (D²NN).

Dans l'illustration A, un diagramme de plusieurs couches transparentes / réfléchissantes, où chaque point est un neurone avec un coefficient de transparence ou de réflexion complexe. Ces coefficients sont dérivés de l'apprentissage en profondeur. Après la phase de formation, la conception du D²NN est fixe - et les plaques correspondantes sont imprimées sur l'imprimante 3D, qui calcule la fonction obtenue à la suite de la formation préliminaire. Contrairement aux réseaux informatiques électroniques, ici les calculs sont effectués à la vitesse de la lumière .

Au cours des expériences, les scientifiques ont formé et testé expérimentalement plusieurs types de D²NN. La figure B montre le classificateur de caractères manuscrits et la figure C montre la lentille d'imagerie.

La partie inférieure de l'illustration compare le fonctionnement du réseau neuronal optique diffractif (à gauche) et du réseau neuronal électronique (à droite). Basé sur des ondes cohérentes, D²NN fonctionne avec des valeurs d'entrée complexes et un biais multiplicatif. Les poids en D²NN sont basés sur la diffraction en espace libre et déterminent l'interférence cohérente des ondes secondaires, qui sont la phase et / ou l'amplitude modulées par les couches précédentes. Le symbole "ο" signifie le fonctionnement du produit de Hadamard, c'est-à-dire la multiplication logique au niveau du bit des membres correspondants de deux séquences de longueur égale.

Les chercheurs expliquent que la structure du réseau neuronal optique est organisée selon le principe de Huygens , selon lequel chaque élément du front d'onde peut être considéré comme le centre de la perturbation secondaire générant des ondes sphériques secondaires, et le champ lumineux résultant à chaque point dans l'espace sera déterminé par l'interférence de ces ondes. Ainsi, le neurone artificiel dans D²NN est connecté aux autres neurones de la couche suivante via une onde secondaire, qui est modulée en amplitude et en phase à la fois par le motif d'interférence d'entrée créé par les couches précédentes et le coefficient de transmission / réflexion local à ce stade.

Par analogie avec les réseaux de neurones profonds standard, nous pouvons considérer le coefficient de transmission / réflexion de chaque point / neurone comme le terme multiplicatif de «biais», qui est corrigé de manière itérative lors de la formation du réseau de diffraction en utilisant la méthode d'erreur de propagation inverse. Après un entraînement numérique, la conception D2NN est fixe et les coefficients de transmission / réflexion des neurones de toutes les couches sont déterminés. Ensuite, vous pouvez créer les couches calculées par n'importe quelle méthode: impression 3D, lithographie, etc.

Les scientifiques soulignent que le réseau de neurones optiques remplit une fonction à la vitesse de la lumière et n'a pas besoin d'énergie. Il s'agit donc d'un moyen efficace et rapide de mettre en œuvre des tâches d'apprentissage automatique.

Pour tester l'idée, les chercheurs ont créé un réseau de neurones qui peut reconnaître des nombres de zéro à neuf - et rendre compte du résultat. Après une formation sur 55 000 images de nombres, le réseau neuronal imprimé à sept couches a montré une précision de 93,39%.



En reconnaissant les vêtements et les chaussures à la mode, un réseau neuronal à cinq couches a montré une précision de 81,13%, un réseau neuronal à dix couches - 86,60%.



Selon les chercheurs, le réseau neuronal de type optique peut être utilisé dans des dispositifs spécialisés nécessitant une vitesse élevée, comme la détermination d'une personne spécifique dans une foule de personnes en mouvement.

L'article scientifique a été publié le 26 juillet 2018 dans la revue Science (doi: 10.1126 / science.aat8084, pdf ).