Onderzoekers creëren eerste kunstmatig neurale netwerk van zijn soort

Onderzoekers hebben een multilaags all-optisch kunstmatig neurale netwerk gemaakt, iets dat tot nu toe nog niet succesvol was gedemonstreerd. Er is een grote behoefte om praktische optische kunstmatige neurale netwerken te creëren, omdat ze sneller zijn en veel minder energie verbruiken dan netwerken op basis van traditionele computers. Deze nieuwe ontwikkelingen zouden parallele berekeningen met licht mogelijk kunnen maken.

De onderzoekers van de Hong Kong University of Science and Technology, Hong Kong, hebben hun twee-laags all-optisch neurale netwerk in Optica, het tijdschrift van The Optical Society, gepubliceerd, dat hoogwaardig onderzoek bevat. De onderzoekers hebben ook laten zien hoe ze het netwerk kunnen toepassen op complexe classificatie taken.

“Ons all-optisch schema kan een neurale netwerk mogelijk maken dat optische parallele berekeningen uitvoert op de snelheid van licht, terwijl het weinig energie verbruikt,” zei Junwei Liu, een lid van het onderzoeksteam. “Grote, all-optische neurale netwerken kunnen worden gebruikt voor toepassingen variërend van beeldherkenning tot wetenschappelijk onderzoek.”

Deze all-optische netwerken werken anders dan de conventionele hybride optische neurale netwerken die momenteel worden gebruikt. In die netwerken worden optische componenten meestal gebruikt voor lineaire operaties. In niet-lineaire activatiefuncties, die de manier simuleren waarop neuronen in de menselijke hersenen reageren, worden de optische componenten vaak elektronisch geïmplementeerd. Dit komt omdat niet-lineaire optica hoge vermogen lasers vereist, die moeilijk te implementeren zijn in een optisch neurale netwerk.

Om dit te omzeilen, hebben de onderzoekers koude atomen met electro-magnetisch geïnduceerde transparantie gebruikt om niet-lineaire functies uit te voeren.

Shengwang Du, een lid van het onderzoeksteam, sprak over de nieuwe ontwikkelingen.

“Dit licht-geïnduceerd effect kan worden bereikt met zeer zwakke laserkracht,” zei hij. “Omdat dit effect gebaseerd is op niet-lineaire kwantuminterferentie, is het mogelijk dat ons systeem kan worden uitgebreid tot een kwantumneurale netwerk dat problemen kan oplossen die niet kunnen worden opgelost met klassieke methoden.”

Om hun nieuwe benadering te testen, hebben de onderzoekers een twee-laags volledig verbonden all-optisch neurale netwerk gemaakt. Het netwerk heeft 16 ingangen en twee uitgangen. Ze hebben vervolgens hun all-optisch netwerk gebruikt om de orde en wanorde fasen van een statistisch model van magnetisme te classificeren. Ze konden concluderen dat het all-optisch neurale netwerk even nauwkeurig was als een getraind computergebaseerd neurale netwerk.

De volgende stap voor het onderzoeksteam is om dit uit te breiden tot grote, all-optische diepe neurale netwerken. Deze kunnen complexe architectuur hebben die is ontworpen voor specifieke toepassingen zoals beeldherkenning. Door dit te doen, kunnen ze aantonen dat dit systeem werkt op veel grotere schaal.

“Hoewel ons werk een proof-of-principle demonstratie is, toont het aan dat het in de toekomst mogelijk kan worden om optische versies van kunstmatige intelligentie te ontwikkelen,” zei Du.

“De volgende generatie van kunstmatige intelligentie hardware zal intrinsiek veel sneller zijn en minder energie verbruiken in vergelijking met de huidige computergebaseerde kunstmatige intelligentie,” voegde Liu toe.

Om meer van deze soort ontwikkelingen in wetenschap en technologie te zien, biedt The Optical Society (OSA) publicaties, bijeenkomsten en lidmaatschapsinitiatieven, onderzoek en toegewijde middelen. Ze hebben een uitgebreid netwerk van experts in het veld van optica en fotonica. De organisatie ondersteunt wetenschappers, ingenieurs, studenten en zakenleiders die verantwoordelijk zijn voor wetenschappelijke ontdekkingen, toepassingen en toepassingen. Hun website biedt verschillende nieuws- en onderzoeksupdates.