Jaringan saraf optik

Topeng fase multilayer terlatih (klasifikasi karakter tulisan tangan). Di sebelah kanan adalah model fisik dari jaringan saraf optik D²NN yang dicetak pada printer 3D: lapisan 8 × 8 cm dengan jarak 3 cm antara satu sama lain

Sebuah tim peneliti dari University of California di Los Angeles telah mengembangkan jenis baru jaringan saraf yang menggunakan cahaya alih-alih listrik untuk bekerja. Majalah Science menerbitkan sebuah artikel yang menggambarkan sebuah ide, perangkat yang berfungsi, kinerjanya, dan jenis aplikasi, yang, menurut penulis, baik untuk komputasi dalam jaringan saraf tipe baru.

Deep Neural Network (D²NN) yang sepenuhnya optis optik, yang secara fisik terbentuk dari berbagai permukaan reflektif atau transparan. Permukaan ini bekerja bersama, melakukan fungsi arbitrer, diperoleh sebagai hasil dari pelatihan. Sementara memperoleh hasil dan peramalan dalam jaringan fisik diatur sepenuhnya secara optik, bagian pelatihan dengan desain struktur permukaan reflektif dihitung pada komputer.

Jadi, dalam model fisik, D²NN terdiri dari beberapa lapisan reflektif atau transparan. Pada lapisan ini, setiap titik mentransmisikan atau mencerminkan gelombang yang masuk. Dengan demikian, titik ini adalah neuron buatan yang terhubung ke neuron lapisan berikutnya melalui difraksi optik. Struktur D²NN ditunjukkan dalam ilustrasi.


Jaringan Syaraf Tiruan Dalam Diffractive (D²NN).

Dalam ilustrasi A, diagram beberapa lapisan transparan / reflektif, di mana setiap titik adalah neuron dengan koefisien transparansi atau refleksi yang kompleks. Koefisien ini diturunkan melalui pembelajaran yang mendalam. Setelah fase pelatihan, desain D²NN diperbaiki - dan pelat yang sesuai dicetak pada printer 3D, yang menghitung fungsi yang diperoleh sebagai hasil dari pelatihan pendahuluan. Tidak seperti jaringan komputer elektronik, di sini perhitungan dilakukan dengan kecepatan cahaya .

Selama percobaan, para ilmuwan melatih dan secara eksperimental menguji beberapa jenis D²NN. Gambar B menunjukkan klasifikasi karakter tulisan tangan, dan Gambar C menunjukkan lensa pencitraan.

Bagian bawah ilustrasi membandingkan operasi jaringan saraf optik difraksi (kiri) dan jaringan saraf elektronik (kanan). Berdasarkan gelombang yang koheren, D²NN beroperasi dengan nilai input yang kompleks dan bias multiplikasi. Bobot dalam D²NN didasarkan pada difraksi ruang bebas dan menentukan interferensi koheren dari gelombang sekunder, yang merupakan fase dan / atau amplitudo yang dimodulasi oleh lapisan sebelumnya. Simbol "on" berarti pengoperasian produk Hadamard, yaitu penggandaan logis bitwise dari anggota yang sesuai dari dua urutan dengan panjang yang sama.

Para peneliti menjelaskan bahwa struktur jaringan saraf optik diatur sesuai dengan prinsip Huygens , yang menurutnya setiap elemen muka gelombang dapat dianggap sebagai pusat gangguan sekunder yang menghasilkan gelombang bola sekunder, dan medan cahaya yang dihasilkan pada setiap titik di ruang angkasa akan ditentukan oleh interferensi gelombang ini. Dengan demikian, neuron buatan dalam D²NN terhubung ke neuron lain dari lapisan berikutnya melalui gelombang sekunder, yang dimodulasi dalam amplitudo dan fase dengan pola interferensi input yang dibuat oleh lapisan sebelumnya dan koefisien transmisi / refleksi lokal pada titik ini.

Dengan analogi dengan jaringan neural dalam standar, kita dapat mempertimbangkan koefisien transmisi / refleksi dari setiap titik / neuron sebagai istilah multiplikasi "bias", yang diperbaiki secara iteratif selama pelatihan jaringan difraksi menggunakan metode kesalahan propagasi balik. Setelah pelatihan numerik, desain D2NN diperbaiki dan koefisien transmisi / refleksi neuron dari semua lapisan ditentukan. Kemudian Anda dapat membuat layer terhitung dengan metode apa pun: pencetakan 3D, litografi, dll.

Para ilmuwan menekankan bahwa jaringan saraf optik melakukan fungsi dengan kecepatan cahaya dan tidak membutuhkan energi. Dengan demikian, ini adalah cara yang efektif dan cepat untuk mengimplementasikan tugas pembelajaran mesin.

Untuk menguji ide itu, para peneliti membuat jaringan saraf yang dapat mengenali angka dari nol hingga sembilan - dan melaporkan hasilnya. Setelah melatih 55.000 gambar angka, jaringan saraf tujuh lapis yang dicetak menunjukkan akurasi 93,39%.



Dalam mengenali pakaian dan sepatu yang modis, jaringan saraf lima lapis menunjukkan akurasi 81,13%, jaringan saraf sepuluh lapis - 86,60%.



Menurut peneliti, jaringan saraf tipe optik dapat digunakan pada perangkat khusus yang membutuhkan kecepatan tinggi, seperti menentukan orang tertentu dalam kerumunan orang yang bergerak.

Artikel ilmiah ini diterbitkan pada 26 Juli 2018 di jurnal Science (doi: 10.1126 / science.aat8084, pdf ).