Forscher erstellen erste künstliches neuronales Netzwerk ihrer Art

Forscher haben ein mehrschichtiges, vollständig optisches künstliches neuronales Netzwerk entwickelt, was bisher noch nicht erfolgreich demonstriert wurde. Es gibt einen großen Wunsch, praktische optische künstliche neuronale Netzwerke zu erstellen, da sie schneller sind und viel weniger Energie verbrauchen als Netzwerke, die auf herkömmlichen Computern basieren. Diese neuen Entwicklungen könnten parallele Berechnungen mit Licht ermöglichen.

Die Forscher von der Hong Kong University of Science and Technology, Hongkong, haben ihr zweischichtiges, vollständig optisches neuronales Netzwerk in Optica, der Zeitschrift der Optical Society, vorgestellt, die hochwertige Forschung enthält. Die Forscher haben auch gezeigt, wie sie das Netzwerk für komplexe Klassifizierungsaufgaben anwenden können.

“Unser vollständig optisches Schema könnte ein neuronales Netzwerk ermöglichen, das optische parallele Berechnungen mit Lichtgeschwindigkeit durchführt und wenig Energie verbraucht”, sagte Junwei Liu, ein Mitglied des Forschungsteams. “Groß angelegte, vollständig optische neuronale Netzwerke könnten für Anwendungen von der Bilderkennung bis zur wissenschaftlichen Forschung eingesetzt werden.”

Diese vollständig optischen Netzwerke funktionieren anders als die herkömmlichen hybriden optischen neuronalen Netzwerke, die derzeit verwendet werden. In diesen werden optische Komponenten normalerweise für lineare Operationen verwendet. Bei nichtlinearen Aktivierungsfunktionen, die die Art und Weise simulieren, wie Neuronen im menschlichen Gehirn reagieren, werden die optischen Komponenten oft elektronisch implementiert. Dies liegt daran, dass nichtlineare Optik hochleistungsfähige Laser erfordert, die schwierig in einem optischen neuronalen Netzwerk zu implementieren sind.

Um dies zu umgehen, nutzten die Forscher kalte Atome mit elektromagnetisch induzierter Transparenz, um nichtlineare Funktionen durchzuführen.

Shengwang Du, ein Mitglied des Forschungsteams, sprach über die neuen Entwicklungen.

“Dieser lichtinduzierte Effekt kann mit sehr schwacher Laserleistung erreicht werden”, sagte er. “Da dieser Effekt auf nichtlinearer quantenmechanischer Interferenz basiert, könnte es möglich sein, unser System in ein quantenmechanisches neuronales Netzwerk zu erweitern, das Probleme lösen könnte, die mit klassischen Methoden nicht lösbar sind.”

Um ihre neue Herangehensweise zu testen, erstellte das Team ein zweischichtiges, vollständig optisches neuronales Netzwerk. Das Netzwerk hat 16 Eingaben und zwei Ausgaben. Sie verwendeten dann ihr vollständig optisches Netzwerk, um die Ordnungs- und Unordnungsphasen eines statistischen Modells des Magnetismus zu klassifizieren. Sie konnten feststellen, dass das vollständig optische neuronale Netzwerk genauso genau war wie ein trainiertes computerbasiertes neuronales Netzwerk.

Der nächste Schritt für das Forschungsteam ist es, dies auf groß angelegte, tiefere optische neuronale Netzwerke auszudehnen. Diese können komplexe Architekturen haben, die für bestimmte Anwendungen wie die Bilderkennung konzipiert sind. Indem sie dies tun, können sie demonstrieren, dass dieses System auf viel größeren Skalen funktioniert.

“Obwohl unsere Arbeit eine Demonstrationsarbeit ist, zeigt sie, dass es in Zukunft möglich sein könnte, optische Versionen künstlicher Intelligenz zu entwickeln”, sagte Du.

“Die nächste Generation künstlicher Intelligenz-Hardware wird von Natur aus viel schneller und energiesparender sein als die heutige computerbasierte künstliche Intelligenz”, fügte Liu hinzu.

Um mehr über diese Art von Entwicklungen in Wissenschaft und Technologie zu erfahren, bietet die Optical Society (OSA) Publikationen, Tagungen und Mitgliedschaftsinitiativen, Forschung und spezielle Ressourcen an. Sie haben ein umfangreiches Netzwerk von Experten auf dem Gebiet der Optik und Photonik. Die Organisation unterstützt Wissenschaftler, Ingenieure, Studenten und Geschäftsführer, die für wissenschaftliche Entdeckungen, Anwendungen und Anwendungen verantwortlich sind. Ihre Website bietet verschiedene Nachrichten und Forschungsaktualisierungen.