ऑप्टिकल तंत्रिका नेटवर्क

प्रशिक्षित बहुपरत चरण मुखौटा (हस्तलिखित वर्ण वर्गीकरणकर्ता)। दाईं ओर एक D²NN ऑप्टिकल तंत्रिका नेटवर्क का एक भौतिक मॉडल है जो 3 डी प्रिंटर पर मुद्रित है: एक दूसरे के बीच 3 सेमी की दूरी के साथ 8 × 8 सेमी की परतें

लॉस एंजिल्स में कैलिफोर्निया विश्वविद्यालय के शोधकर्ताओं की एक टीम ने एक नए प्रकार का तंत्रिका नेटवर्क विकसित किया है जो काम करने के लिए बिजली के बजाय प्रकाश का उपयोग करता है। विज्ञान पत्रिका ने एक विचार, एक काम करने वाले उपकरण, इसके प्रदर्शन और अनुप्रयोगों के प्रकारों का वर्णन करते हुए एक लेख प्रकाशित किया, जो लेखकों के अनुसार, एक नए प्रकार के तंत्रिका नेटवर्क में कंप्यूटिंग के लिए अच्छा है।

पूरी तरह से ऑप्टिकल डिफ्रेक्टिव डीप न्यूरल नेटवर्क (D opticalNN), जो शारीरिक रूप से विभिन्न प्रकार के परावर्तक या पारदर्शी सतहों से बनता है। ये सतहें एक साथ काम करती हैं, एक मनमाना कार्य करती हैं, प्रशिक्षण के परिणामस्वरूप प्राप्त होती हैं। परिणाम प्राप्त करते समय और भौतिक नेटवर्क में पूर्वानुमान पूरी तरह से वैकल्पिक रूप से आयोजित किया जाता है, परावर्तक सतहों की संरचना के डिजाइन के साथ प्रशिक्षण भाग की गणना कंप्यूटर पर की जाती है।

इसलिए, भौतिक मॉडल में, डीएनएन में कई परावर्तक या पारदर्शी परतें होती हैं। इन परतों पर, प्रत्येक बिंदु या तो प्रेषित होता है या एक आने वाली लहर को दर्शाता है। इस प्रकार, यह बिंदु एक कृत्रिम न्यूरॉन है जो ऑप्टिकल विवर्तन के माध्यम से अगली परतों के न्यूरॉन्स से जुड़ा हुआ है। D .NN की संरचना चित्रण में दिखाई गई है।


विचलित गहरी तंत्रिका नेटवर्क (DractNN)।

चित्रण A में, कई पारदर्शी / परावर्तक परतों का आरेख, जहां प्रत्येक बिंदु पारदर्शिता या प्रतिबिंब के जटिल गुणांक के साथ एक न्यूरॉन है। ये गुणांक गहरी शिक्षा के माध्यम से प्राप्त होते हैं। प्रशिक्षण चरण के बाद, डीएनएन डिजाइन तय हो गया है - और संबंधित प्लेट 3 डी प्रिंटर पर मुद्रित किए जाते हैं, जो प्रारंभिक प्रशिक्षण के परिणामस्वरूप प्राप्त फ़ंक्शन की गणना करते हैं। इलेक्ट्रॉनिक कंप्यूटर नेटवर्क के विपरीत, यहां गणना प्रकाश की गति से की जाती है ।

प्रयोगों के दौरान, वैज्ञानिकों ने DNNN के कई प्रकारों का प्रशिक्षण और प्रयोग किया। चित्रा बी हस्तलिखित चरित्र क्लासिफायर से पता चलता है, और चित्रा सी इमेजिंग लेंस को दर्शाता है।

चित्रण का निचला हिस्सा विवर्तनिक ऑप्टिकल तंत्रिका नेटवर्क (बाएं) और इलेक्ट्रॉनिक तंत्रिका नेटवर्क (दाएं) के संचालन की तुलना करता है। सुसंगत तरंगों के आधार पर, D²NN जटिल इनपुट मूल्यों और गुणात्मक पूर्वाग्रह के साथ संचालित होता है। D weNN में भार मुक्त-स्थान विवर्तन पर आधारित हैं और द्वितीयक तरंगों के सुसंगत हस्तक्षेप को निर्धारित करते हैं, जो कि पिछली परतों द्वारा संशोधित चरण और / या आयाम हैं। प्रतीक "ο" का अर्थ है हैमर्ड के उत्पाद का संचालन, अर्थात्, समान लंबाई के दो अनुक्रमों के संबंधित सदस्यों के बिटवाइज़ तार्किक गुणन।

शोधकर्ता बताते हैं कि ऑप्टिकल न्यूरल नेटवर्क की संरचना ह्यजेंस सिद्धांत के अनुसार आयोजित की जाती है , जिसके अनुसार तरंग के प्रत्येक तत्व को द्वितीयक अशांति पैदा करने वाले केंद्र के रूप में माना जा सकता है, और अंतरिक्ष में प्रत्येक बिंदु पर परिणामी प्रकाश क्षेत्र को इन तरंगों के हस्तक्षेप से निर्धारित किया जाएगा। इस प्रकार, D²NN में कृत्रिम न्यूरॉन एक माध्यमिक तरंग के माध्यम से अगली परत के अन्य न्यूरॉन्स से जुड़ा होता है, जो इस बिंदु पर पहले की परतों और स्थानीय संचरण / प्रतिबिंब गुणांक द्वारा बनाए गए दोनों इनपुट हस्तक्षेप पैटर्न द्वारा आयाम और चरण में संशोधित होता है।

मानक गहरे तंत्रिका नेटवर्क के साथ समानता से, हम प्रत्येक बिंदु / न्यूरॉन के संचरण / प्रतिबिंब गुणांक को गुणात्मक शब्द "पूर्वाग्रह" के रूप में मान सकते हैं, जो त्रुटि के पीछे प्रसार विधि का उपयोग करके विवर्तन नेटवर्क के प्रशिक्षण के दौरान पुनरावृत्त होता है। संख्यात्मक प्रशिक्षण के बाद, डी 2 एनएन डिजाइन तय हो गया है और सभी परतों के न्यूरॉन्स के संचरण / प्रतिबिंब गुणांक निर्धारित किए जाते हैं। फिर आप किसी भी विधि से गणना की गई परतें बना सकते हैं: 3 डी प्रिंटिंग, लिथोग्राफी, आदि।

वैज्ञानिक इस बात पर जोर देते हैं कि प्रकाशीय तंत्रिका नेटवर्क प्रकाश की गति से कार्य करता है और उसे ऊर्जा की आवश्यकता नहीं होती है। इस प्रकार, यह मशीन सीखने के कार्यों को लागू करने का एक प्रभावी और तेज़ तरीका है।

विचार का परीक्षण करने के लिए, शोधकर्ताओं ने एक तंत्रिका नेटवर्क बनाया जो शून्य से नौ तक की संख्या को पहचान सकता है - और परिणाम की रिपोर्ट कर सकता है। संख्याओं की 55,000 छवियों पर प्रशिक्षण के बाद, मुद्रित सात-परत तंत्रिका नेटवर्क ने 93.39% की सटीकता दिखाई।



फैशनेबल कपड़े और जूते पहचानने में, एक पांच-परत तंत्रिका नेटवर्क ने 81.13%, दस-परत तंत्रिका नेटवर्क - 86.60% की सटीकता दिखाई।



शोधकर्ताओं के अनुसार, उच्च गति की आवश्यकता वाले विशेष उपकरणों में ऑप्टिकल प्रकार के तंत्रिका नेटवर्क का उपयोग किया जा सकता है, जैसे कि चलती लोगों की भीड़ में एक विशिष्ट व्यक्ति का निर्धारण करना।

वैज्ञानिक लेख 26 जुलाई, 2018 को जर्नल साइंस (doi: 10.1126 / science.aat8084, pdf ) में प्रकाशित हुआ था।