Forskere utvikler første kunstig nevralt nettverk av sin type

Forskere har utviklet et flerskiktet all-optisk kunstig nevralt nettverk, noe som ikke tidligere har blitt demonstrert med hell. Det er stor etterspørsel etter å utvikle praktiske optiske kunstige nevrale nettverk, siden de er raskere og forbruker mye mindre strøm enn nettverk basert på tradisjonelle datamaskiner. Disse nye utviklingene kan muligjøre parallell beregning med lys.

Forskerne fra Hong Kong University of Science and Technology, Hong Kong, la frem deres to-lag all-optiske nevrale nettverk i Optica, The Optical Societys tidsskrift som inkluderer høy-impakt forskning. Forskerne viste også hvordan de kunne bruke nettverket til komplekse klassifiseringsoppgaver.

“Vår all-optiske skjema kan muligjøre et nevralt nettverk som utfører optisk parallell beregning med lysets hastighet mens det forbruker lite energi,” sa Junwei Liu, en medlem av forskningsteamet. “Storskala, all-optiske nevrale nettverk kan brukes til applikasjoner som varierer fra bilde-gjenkjenning til vitenskapelig forskning.”

Disse all-optiske nettverkene fungerer annerledes enn de konvensjonelle hybrid optiske nevrale nettverkene som brukes i dag. I disse brukes optiske komponenter vanligvis for lineære operasjoner. I ikke-lineære aktiveringsfunksjoner, som simulerer måten nevroner i menneskehjernen reagerer, implementeres ofte optiske komponenter elektronisk. Dette skyldes at ikke-lineær optikk krever høyeffektlaser, som er vanskelige å implementere i et optisk nevralt nettverk.

For å komme rundt dette, brukte forskerne kalde atomer med elektromagnetisk induksjon for å utføre ikke-lineære funksjoner.

Shengwang Du, en medlem av forskningsteamet, snakket om de nye utviklingene.

“Dette lys-induserte effekten kan oppnås med svært svak laserstråling,” sa han. “Fordi denne effekten er basert på ikke-lineær kvantum-interferens, kan det være mulig å utvide vårt system til et kvantum nevralt nettverk som kan løse problemer som ikke kan løses med klassiske metoder.”

For å teste ut deres nye tilnærming, skapte teamet et to-lag fullt koblet all-optisk nevralt nettverk. Nettverket har 16 innganger og to utganger. De brukte deretter sitt all-optiske nettverk til å klassifisere orden og uorden-faser av en statistisk modell for magnetisme. De kunne konkludere med at det all-optiske nevralt nettverket var like nøyaktig som et datamaskin-basert nevralt nettverk som var trent.

Neste skritt for forskningsteamet er å utvide dette til storskala all-optiske dype nevrale nettverk. Disse kan ha komplekse arkitekturer som er designet for spesifikke applikasjoner som bilde-gjenkjenning. Ved å gjøre dette, kan de demonstrere at dette systemet fungerer på mye større skala.

“Selv om vårt arbeid er en proof-of-principle demonstrasjon, viser det at det kan bli mulig i fremtiden å utvikle optiske versjoner av kunstig intelligens,” sa Du.

“Neste generasjon kunstig intelligens-hardware vil være intrinsisk mye raskere og ha lavere strømforbruk sammenlignet med dagens datamaskin-baserte kunstige intelligens,” la Liu til.

For å se mer av disse typene utviklinger i vitenskap og teknologi, tilbyr The Optical Society (OSA) publikasjoner, møter og medlemsinitiativer, forskning, og dedikerte ressurser. De har et omfattende nettverk av eksperter i optikk- og fotonikkfeltet. Organisasjonen støtter vitenskapsmenn, ingeniører, studenter og forretningsledere som er ansvarlige for vitenskapelige oppdagelser, applikasjoner og anvendelser. Deres nettside tilbyr ulike nyheter og forskningsoppdateringer.