Los ingenieros de UCLA han realizado importantes mejoras en su diseño de una red neuronal óptica, un dispositivo inspirado en cómo funciona el cerebro humano, que puede identificar objetos o procesar información a la velocidad de la luz.
El desarrollo podría conducir a sistemas de cámaras inteligentes que descubran lo que están viendo simplemente por los patrones de luz que atraviesan una estructura de material diseñado en 3D. Su nuevo diseño aprovecha la paralelización y la escalabilidad de los sistemas computacionales basados en óptica.
Por ejemplo, dichos sistemas podrían incorporarse en automóviles o robots autónomos, ayudándoles a tomar decisiones casi instantáneas más rápido y utilizando menos energía que los sistemas basados en computadora que necesitan tiempo adicional para identificar un objeto después de que se haya visto.
La tecnología fue presentada por primera vez por el grupo UCLA en 2018. El sistema utiliza una serie de obleas o capas impresas en 3D con superficies irregulares que transmiten o reflejan la luz entrante; recuerdan su aspecto y efecto al vidrio esmerilado.las capas tienen decenas de miles de puntos de píxel, esencialmente son neuronas artificiales que forman un volumen de material diseñado que computa de manera totalmente óptica. Cada objeto tendrá una vía de luz única a través de las capas fabricadas en 3D.
Detrás de esas capas hay varios detectores de luz, cada uno asignado previamente en una computadora para deducir cuál es el objeto de entrada por donde termina la mayor cantidad de luz después de viajar a través de las capas.
Por ejemplo, si está entrenado para descifrar dígitos escritos a mano, entonces el detector programado para identificar un "5" verá la mayor parte de la luz que golpea ese detector después de que la imagen de un "5" haya viajado a través de las capas.
En este estudio reciente, publicado en la revista de acceso abierto Fotónica avanzada , los investigadores de UCLA han aumentado significativamente la precisión del sistema al agregar un segundo conjunto de detectores al sistema y, por lo tanto, cada tipo de objeto ahora está representado con dos detectores en lugar de uno. Los investigadores intentaron aumentar la diferencia de señal entre un par de detectoresasignado a un tipo de objeto. Intuitivamente, esto es similar a pesar dos piedras simultáneamente con las manos izquierda y derecha: es más fácil diferenciar si tienen un peso similar o tienen pesos diferentes.
Este esquema de detección diferencial ayudó a los investigadores de UCLA a mejorar su precisión de predicción para objetos desconocidos que fueron vistos por su red neuronal óptica.
"Tal sistema realiza tareas de aprendizaje automático con interacción de materia de luz y difracción óptica dentro de una estructura de material fabricado en 3D, a la velocidad de la luz y sin la necesidad de una gran potencia, excepto la luz de iluminación y un simple circuito detector".dijo Aydogan Ozcan, profesor de la Cancillería de Ingeniería Eléctrica e Informática y el investigador principal de la investigación. "Este avance podría permitir cámaras inteligentes para tareas específicas que realicen cómputos en una escena usando solo fotones e interacción de materia de luz, haciéndolo extremadamente rápido y potenteeficiente."
Los investigadores probaron la precisión de su sistema utilizando conjuntos de datos de imágenes de dígitos escritos a mano, prendas de vestir y un conjunto más amplio de varios vehículos y animales conocidos como el conjunto de datos de imágenes CIFAR-10. Encontraron tasas de precisión de reconocimiento de imágenes del 98,6%, 91,1% y 51.4% respectivamente.
Esos resultados se comparan muy favorablemente con las generaciones anteriores de redes neuronales profundas totalmente electrónicas. Si bien los sistemas electrónicos más recientes tienen un mejor rendimiento, los investigadores sugieren que los sistemas totalmente ópticos tienen ventajas en velocidad de inferencia, baja potencia y pueden ampliarsepara acomodar e identificar muchos más objetos en paralelo.
Fuente de la historia :
Materiales proporcionado por Escuela de Ingeniería de UCLA Samueli . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :