연구자들이 최초의 광학 인공 신경망을 개발하다

연구자들은 다층 전광학 인공 신경망을 개발했는데, 이는 이전에 성공적으로 시연되지 않았던 것입니다. 실용적인 광학 인공 신경망을 개발하고자 하는 욕구는 매우 크습니다. 이러한 신경망은 전통적인 컴퓨터 기반 네트워크보다 훨씬 빠르고 에너지 소모가 적기 때문입니다. 이러한 새로운 개발은 빛으로 병렬 계산을 가능하게 할 수 있습니다.

홍콩 과학기술대학교의 연구자들은 Optica, The Optical Society의 저널에 2층 전광학 신경망을 설명했습니다. 연구자들은 또한 이 네트워크를 복잡한 분류 작업에 어떻게 적용할 수 있는지 보여주었습니다.

연구 팀의 한 멤버인 Junwei Liu는 “우리의 전광학 방식은 빛의 속도로 작동하는 동안 에너지 소모가 적은 신경망을 가능하게 할 수 있습니다”라고 말했습니다. “대규모 전광학 신경망은 이미지 인식부터 과학 연구까지 다양한 응용 분야에 사용될 수 있습니다.”

이러한 전광학 네트워크는 현재 사용되는 전통적인 하이브리드 광학 신경망과 다르게 작동합니다. 전통적인 네트워크에서는 광학 구성 요소가 일반적으로 선형 연산에 사용됩니다. 비선형 활성화 함수에서는 광학 구성 요소가 종종 전자적으로 구현됩니다. 이는 비선형 광학이 높은 전력 레이저를 필요로 하기 때문입니다.

연구자들은 비선형 함수를 수행하기 위해 전자기적으로 유도된 투명도를 갖는 냉각 원자를 사용했습니다.

연구 팀의 한 멤버인 Shengwang Du는 새로운 개발에 대해 말했다.

“이 광유도 효과는 매우 약한 레이저 전력으로 달성할 수 있습니다”라고 그는 말했다. “이 효과는 비선형 양자 간섭에 기반하기 때문에, 우리의 시스템을 양자 신경망으로 확장하여 고전적인 방법으로는 해결할 수 없는 문제를 해결할 수 있을 것입니다.”

새로운 접근 방식을 테스트하기 위해 팀은 2층 전광학 신경망을 만들었습니다. 이 네트워크에는 16개의 입력과 2개의 출력이 있습니다. 그들은 затем 자기성의 통계 모델의 순서와 무질서한 상을 분류하기 위해 전광학 네트워크를 사용했습니다. 그들은 전광학 신경망이 컴퓨터 기반 신경망과同じ 정확도를 갖는다는 것을 알 수 있었습니다.

연구 팀의 다음 단계는 대규모 전광학 심층 신경망을 확장하는 것입니다. 이러한 네트워크에는 특정 응용 분야를 위해 설계된 복잡한 아키텍처가 있을 수 있습니다. 이를 통해 그들은 이 시스템이 훨씬 더 큰 규모에서 작동하는 것을 보여줄 수 있습니다.

“우리의 연구는 증명된 원칙을 보여주지만, 이는 미래에 광학 버전의 인공 지능을 개발할 수 있을 것임을示しています”라고 Du는 말했다.

“인공 지능 하드웨어의 다음 세대는 현재의 컴퓨터 기반 인공 지능보다 훨씬 빠르고 에너지 소모가 적을 것입니다”라고 Liu는 추가했습니다.

과학 및 기술의 이러한 종류의 개발을 더 보기 위해, 광학 학회 (OSA)는 출판물, 회의 및 회원 자격, 연구 및 전용 자원을 제공합니다. 그들은 광학 및 광자학 분야의 전문가 네트워크를 가지고 있습니다. 이 조직은 과학적 발견, 응용 프로그램 및 비즈니스 리더를 지원합니다. 그들의 웹사이트는 다양한 뉴스 및 연구 업데이트를 제공합니다.