Deep Learning с 3D-печатью использует свет вместо электронов

Это новая идея, технология использующая свет, рассеянный через многочисленные пластины вместо электронов. И некоторым это может показаться чем-то вроде замены компьютера, но исследователи из UCLA возлагают большие надежды на их причудливую, блестящую искусственную нейронную сеть и ее работу со скоростью света.

D2NN был обучен распознавать рукописные цифры

Созданная Риной Дехтер в 1986 году, Deep Learning является одной из самых быстрорастущих методологий в сообществе машинного обучения и часто используется для распознавания лиц, речи и звука, языковой обработки, фильтрации в социальных сетях и анализа медицинских изображений, а также для решения более конкретных задач, таких как решение обратных задач визуализации.

Традиционно системы глубокого обучения внедряются на компьютере для обучения представлению и абстракции данных и выполнения задач, наравне или лучше, чем производительность у людей. Однако команда, возглавляемая доктором Айдоганом Озканом, профессором электротехники и компьютерной инженерии в Калифорнийском университете в Лос-Анджелесе, не использовала традиционную компьютерную установку, вместо этого решив отказаться от всех этих энергоемких электронов в пользу световых волн.

Результатом стала полностью оптическая дифракционная архитектура глубоких нейронных сетей (D2NN). В установке используются полупрозрачные листы с 3D-печатью, каждый с тысячами выпуклых пикселей, которые отражают свет через каждую панель для выполнения поставленных задач. Кстати, эти задачи выполняются без использования какой-либо мощности, кроме входного светового луча.

Особенности работы новой сети

Полностью оптическая глубокая нейронная сеть команды UCLA, которая выглядит как внутренности автомобильного аккумулятора из чистого золота, буквально работает со скоростью света и найдет применение в анализе изображений, обнаружении признаков и классификации объектов. Исследователи в команде также предусматривают возможности для архитектур D2NN, выполняющих специализированные задачи в камерах.

Возможно, ваша следующая цифровая зеркальная камера может на лету идентифицировать ваши объекты и опубликовать помеченное изображение на вашем Facebook. «Использование пассивных компонентов, которые изготавливаются слой за слоем, и соединение этих слоев друг с другом с помощью дифракции света создали уникальную полностью оптическую платформу для выполнения задач машинного обучения со скоростью света», - сказал доктор Озкан. Пока что это доказательство концепции, но она проливает свет на некоторые уникальные возможности для индустрии машинного обучения.