Een team van onderzoekers van de Universiteit van Californië heeft een nieuw soort neuraal netwerk ontwikkeld:een netwerk dat licht in plaats van elektriciteit gebruikt om tot resultaten te komen. In hun artikel gepubliceerd in het tijdschrift Wetenschap , de groep beschrijft hun ideeën, hun werkende apparaat, zijn prestaties, en de soorten toepassingen waarvan zij denken dat ze goed kunnen worden bediend door een dergelijk netwerk.

Deep learning-netwerken zijn computersystemen die 'leren' door naar veel voorbeelden van gegevenstypen te kijken en vervolgens patronen gebruiken die zich ontwikkelen als een manier om interpretaties van nieuwe gegevens te maken. Net als alle andere computers, ze werken op elektriciteit. In deze nieuwe poging de onderzoekers hebben een manier gevonden om een ​​deep learning-netwerk te creëren dat helemaal geen elektriciteit gebruikt - in plaats daarvan, het gebruikt licht. Ze noemen het een diffractief diep neuraal netwerk, of beknopter, NS ² NN.

Om zo’n netwerk op te bouwen, de onderzoekers maakten kleine plastic plaatjes die met een 3D-printer werden bedrukt. Elke plaat vertegenwoordigde een laag virtuele neuronen - en elk neuron kon zich gedragen als zijn biologische tegenhanger door inkomend licht door te laten of te reflecteren. In hun voorbeeld ze gebruikten vijf platen die tegenover elkaar stonden met een kleine ruimte ertussen. Toen het systeem in werking was, licht van een laser werd op de eerste plaat gericht en vond zijn weg naar de tweede, derde, vierde en vijfde op een manier die informatie onthulde over een object dat voor het apparaat was geplaatst. Een sensor aan de achterkant las het licht en interpreteerde wat er werd gevonden.

Om hun idee te testen, de onderzoekers kozen ervoor om een ​​fysiek neuraal netwerk te creëren dat de cijfers nul tot en met negen kan herkennen, en dan te melden wat het heeft gevonden. In praktijk, het systeem kreeg een nummer op een display te zien en reageerde door het nummer te identificeren en vervolgens weer te geven met behulp van de sensor. Het systeem werd gevoed 55, 000 afbeeldingen van gescande nummers. Deze leerfase vereiste het gebruik van elektriciteit omdat het draaide op een computer die het systeem de gegevens voedde. Bij het testen van hun systeem door het duizenden getallen te tonen, de onderzoekers melden dat het ongeveer 95 procent nauwkeurig was. Ze merken op dat hun apparaat een proof of concept was en nuttig zou kunnen zijn als een middel om speciale apparaten te ontwikkelen voor toepassingen die snelheid vereisen, zoals het kiezen van gezichten uit een menigte bewegende mensen.

© 2018 Tech Xplore