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。
※世界盃:你是真球迷么,看球都有哪些正確姿勢?
※腦洞大開:藝術家創立了基於區塊鏈的0xΩ「宗教」
TAG:太平洋電腦網 |