Zelfs de krachtigste computers zijn nog steeds geen partij voor het menselijk brein als het gaat om patroonherkenning, risicomanagement, en andere soortgelijke complexe taken. Recente ontwikkelingen in optische neurale netwerken, echter, die kloof dichten door de manier waarop neuronen reageren in het menselijk brein te simuleren.

In een belangrijke stap in de richting van het praktisch maken van grootschalige optische neurale netwerken, onderzoekers hebben een eerste in zijn soort, meerlagig, volledig optisch kunstmatig neuraal netwerk gedemonstreerd. Over het algemeen, dit type kunstmatige intelligentie kan complexe problemen aanpakken die onmogelijk zijn met traditionele computationele benaderingen, maar de huidige ontwerpen vereisen uitgebreide rekenbronnen die zowel tijdrovend als energie-intensief zijn. Om deze reden, er is grote belangstelling voor de ontwikkeling van praktische optische kunstmatige neurale netwerken, die sneller zijn en minder stroom verbruiken dan die op traditionele computers.

In optiek , Het tijdschrift van de Optical Society voor high-impact onderzoek, onderzoekers van de Hong Kong University of Science and Technology, Hong Kong detailleert hun tweelaagse volledig optische neurale netwerk en past het met succes toe op een complexe classificatietaak.

"Ons volledig optische schema kan een neuraal netwerk mogelijk maken dat optische parallelle berekeningen uitvoert met de snelheid van het licht terwijl het weinig energie verbruikt, " zei Junwei Liu, een lid van het onderzoeksteam. "Grootschalig, volledig optische neurale netwerken kunnen worden gebruikt voor toepassingen variërend van beeldherkenning tot wetenschappelijk onderzoek."

Een volledig optisch netwerk bouwen

In conventionele hybride optische neurale netwerken, optische componenten worden meestal gebruikt voor lineaire bewerkingen, terwijl niet-lineaire activeringsfuncties - de functies die de manier waarop neuronen in het menselijk brein reageren - simuleren - meestal elektronisch worden geïmplementeerd omdat niet-lineaire optica doorgaans krachtige lasers vereist die moeilijk te implementeren zijn in een optisch neuraal netwerk.

Om deze uitdaging te overwinnen, de onderzoekers gebruikten koude atomen met elektromagnetisch geïnduceerde transparantie om niet-lineaire functies uit te voeren. "Dit door licht geïnduceerde effect kan worden bereikt met een zeer zwak laservermogen, " zei Shengwang Du, een lid van het onderzoeksteam. "Omdat dit effect is gebaseerd op niet-lineaire kwantuminterferentie, het zou mogelijk zijn om ons systeem uit te breiden tot een kwantumneuraal netwerk dat problemen zou kunnen oplossen die hardnekkig zijn met klassieke methoden."

Om het vermogen en de haalbaarheid van de nieuwe aanpak te bevestigen, de onderzoekers construeerden een tweelaags volledig verbonden, volledig optisch neuraal netwerk met 16 ingangen en twee uitgangen. De onderzoekers gebruikten hun volledig optische netwerk om de volgorde- en wanordefasen van het Ising-model te classificeren, een statistisch model van magnetisme. De resultaten toonden aan dat het volledig optische neurale netwerk net zo nauwkeurig was als een goed getraind computergebaseerd neuraal netwerk.

Optische neurale netwerken op grotere schaal

De onderzoekers zijn van plan de volledig optische benadering uit te breiden naar grootschalige volledig optische diepe neurale netwerken met complexe architecturen die zijn ontworpen voor specifieke praktische toepassingen zoals beeldherkenning. Dit zal helpen aantonen dat de regeling op grotere schaal werkt.

"Hoewel ons werk een proof-of-principle demonstratie is, het laat zien dat het in de toekomst mogelijk wordt om optische versies van kunstmatige intelligentie te ontwikkelen, "zei Du. "De volgende generatie hardware voor kunstmatige intelligentie zal intrinsiek veel sneller zijn en een lager stroomverbruik vertonen in vergelijking met de huidige computergebaseerde kunstmatige intelligentie, " voegde Liu eraan toe.