Dyfrakcyjne optyczne sieci neuronowe wykorzystują soczewki bądź inne elementy umożliwiające zmianę fazy przechodzącej przez nie fali. Tego typu sieci zapewniają ultraszybkie prędkości obliczeniowe i wysoką wydajność energetyczną, lecz problematyczne okazuje się ich programowanie oraz dostosowanie do różnych możliwości wykorzystania.
Czytaj też: Superkomputer wygenerował symulację wszechświata. Powstały struktury zaskakująco podobne do Drogi Mlecznej
Z tego względu na szczególną uwagę zasługują dokonania chińskich naukowców, którzy zaprojektowali dyfrakcyjną optyczną sieć neuronową, która jest nie tylko łatwo programowalna, ale również dopasowana do zróżnicowanych zadań. Nowa sieć wykonuje operacje sieci macierzowej, kiedy fale elektromagnetyczne propagują się przez jej wielowarstwowe metasfery. Przypomina to obliczenia wykonywane niemal z prędkością światła przez optyczne sieci dyfrakcyjne.
Kluczowym przełomem w naszej pracy jest to, że każdy neuron jest niezależnie reprogramowalny. Dzięki temu cała sieć neuronowa może być trenowana i programowana na miejscu, a także wielokrotnie szkolona w zależności od wymagań związanych z różnymi zadaniami. Zaprojektowaliśmy neuron z reprogramowalnymi współczynnikami transmisji, który integruje układ wzmacniacza mocy.Tie Jun Cui, jeden z autorów badania
Sieć neuronowa o której mowa cechuje się wszechstronnością i łatwością programowania
Każdy z tych wzmacniaczy może być sterowany cyfrowo za pomocą matryc FPGA, czyli układów zawierających szereg różnych programowalnych bloków logicznych. W opisywanym systemie każdy taki blok może być sterowany niezależnie, co pozwala inżynierom na zaprogramowanie całej sieci neuronowej i zlecenie jej określonych zadań. Biorąc pod uwagę fakt, że nowa sieć jest oparta na cyfrowych metasferach, to da się ją zaprogramować do wykonywania różnych zadań.
Czytaj też: Sztuczna inteligencja w służbie zła. Maszynka do generowania broni chemicznych zszokowała naukowców
W czasie testów dyfrakcyjna optyczna sieć neuronowa osiągała bardzo obiecujące wyniki i potwierdziła swoją wszechstronność oraz elastyczność. W przyszłości będzie można ją wykorzystać do rozwiązywania różnych problemów. W grę wchodzi między innymi rozpoznawanie i klasyfikacja obrazów, wykrywanie fal oraz kodowanie bądź dekodowanie komunikacji bezprzewodowej. Zanim jednak tak się stanie członkowie zespołu badawczego zamierzają dążyć do dalszych postępów w zakresie wydajności.
