研究者が初の全光学人工ニューラルネットワークを作成

研究者は、多層全光学人工ニューラルネットワークを作成しました。これは、これまでに成功裏に実証されたことがないものです。実用的全光学人工ニューラルネットワークを作成することは、非常に高速でエネルギー消費が少ないため、従来のコンピューターベースのネットワークよりも優れています。これらの新しい開発により、光を使用した並列計算が可能になる可能性があります。

香港科技大学の研究者は、Opticaという、光学研究の高影響ジャーナルに、2層全光学ニューラルネットワークを発表しました。研究者は、ネットワークを複雑な分類タスクに適用する方法も示しました。

「私たちの全光学スキームは、光の速度で光並列計算を実行し、エネルギー消費を抑えることができるニューラルネットワークを可能にする」と、研究チームのメンバーであるJunwei Liuさんは述べました。 「大規模全光学ニューラルネットワークは、画像認識から科学研究まで、さまざまなアプリケーションに使用できます」。

これらの全光学ネットワークは、現在使用されている従来のハイブリッド光学ニューラルネットワークとは異なります。後者では、光学部品は通常、線形操作に使用されます。非線形活性化関数では、光学部品は電子的に実装されることが多いです。これは、非線形光学には高出力レーザーが必要であり、光学ニューラルネットワークでは実装が難しいからです。

研究者は、非線形関数を実行するために、電磁誘導透明度を持つ冷却原子を使用しました。

研究チームのメンバーであるShengwang Duさんは、新しい開発について話しました。

「この光誘起効果は、非常に弱いレーザーパワーで達成できます」と彼は述べました。 「この効果は非線形量子干渉に基づいているため、私たちのシステムを量子ニューラルネットワークに拡張することが可能であり、従来の方法では解決できない問題を解決できる可能性があります」。

新しいアプローチをテストするために、チームは2層の完全に接続された全光学ニューラルネットワークを作成しました。ネットワークには16つの入力と2つの出力があります。次に、チームはネットワークを、磁気の統計モデルにおける秩序と無秩序の相を分類するために使用しました。結果は、全光学ニューラルネットワークが、トレーニングされたコンピューターベースのニューラルネットワークと同等の精度を持っていることを示しました。

研究チームの次のステップは、大規模な全光学ディープニューラルネットワークに拡張することです。これらのネットワークは、画像認識などの特定のアプリケーション向けに設計された複雑なアーキテクチャを持つことができます。そうすることで、システムがはるかに大きなスケールで機能することを実証できます。

「私たちの研究は、証明の実証であるが、将来、光学バージョンの人工知能を開発することが可能になるかもしれないことを示しています」と、Duさんは述べました。

「次世代の人工知能ハードウェアは、現在のコンピューターベースの人工知能よりも本質的に高速で、電力消費が低くなる」と、Liuさんは追加しました。

これらの種の開発についてさらに詳しく知るには、光学学会（OSA）が提供する出版物、会議、会員イニシアチブ、研究、および専門家ネットワークを参照してください。同社のウェブサイトには、さまざまなニュースや研究のアップデートが提供されています。