3D列印深度學習神經網路用光子而不是電子進行計算

最新 08-02

加州大學洛杉磯分校的研究人員創造了一個獨特的全光學平台，以光速執行機器學習任務。這是一個新穎的想法，使用光線通過多個板而不是電子衍射。對某些人來說，這可能看起來有點像用算盤替換計算機，但加州大學洛杉磯分校的研究人員對他們的古怪，閃亮，光速的人工神經網路寄予厚望。

Deep Learning是由Rina Dechter於1986年創造的，它是機器學習領域發展最快的方法之一，常用於面部，語音和音頻識別，語言處理，社交網路過濾和醫學圖像分析以及更具體的解決方案。任務，例如解決逆成像問題。傳統上，深度學習系統在計算機上實現，以學習數據表示和抽象並執行任務，與人類的表現相當或更好。

然而，由加州大學洛杉磯分校電氣和計算機工程教授Aydogan Ozcan博士領導的團隊並沒有使用傳統的計算機設備，放棄所有那些需要耗費能量的電子，轉而使用光波。結果是其全光學衍射深度神經網路（D2NN）架構。

該設置使用3D列印的半透明薄片，每個薄片具有數千個凸起像素，這些薄片通過每個面板偏轉光線以執行設定任務。順便說一下，除了輸入光束之外，這些任務是在不使用任何功率的情況下，以光速執行圖像分析，特徵檢測和對象分類。該團隊的研究人員還設想了D2NN架構在攝像機中執行專門任務的可能性。

使用逐層製造的無源元件，並通過光衍射將這些層相互連接，創造了一個獨特的全光平台，以光速執行機器學習任務。但就目前而言，這是一個概念證明，但它為機器學習行業提供了一些獨特的機會。