В последние десятилетия алгоритмы машинного обучения и глубокого обучения становятся все более совершенными, настолько, что теперь они внедряются в различных реальных условиях. В последние годы некоторые ученые-компьютерщики и инженеры-электронщики изучают разработку альтернативного типа инструментов искусственного интеллекта (ИИ), известных как дифракционные оптические нейронные сети.

Дифракционные оптические нейронные сети — это глубокие нейронные сети, основанные на дифракционной оптической технологии (т. е. линзах или других компонентах, которые могут изменять фазу проходящего через них света). Хотя было обнаружено, что эти сети обеспечивают сверхвысокую скорость вычислений и высокую энергоэффективность, обычно их очень сложно программировать и адаптировать к различным вариантам использования.

Исследователи из Юго-восточного университета, Пекинского университета и лаборатории Пачжоу в Китае недавно разработали дифракционную глубокую нейронную сеть, которую можно легко запрограммировать для выполнения различных задач. Их сеть, представленная в статье, опубликованной в Nature Electronics , основана на гибком и многослойном массиве метаповерхностей.

«Мы надеялись реализовать дифракционную нейронную сеть, в которой каждый модуль может быть независимо и гибко запрограммирован», — сказал TechXplore Ти Цзюнь Цуй, один из исследователей, проводивших исследование. «Черпая вдохновение из наших прошлых исследований цифровых программируемых метаповерхностей, информационных метаповерхностей и опыта в области электромагнитного регулирования, мы создали машину с программируемой дифракционной нейронной сетью, создав многослойные программируемые пропускающие метаповерхности, которые мы назвали программируемой машиной искусственного интеллекта (PAIM)».

Дифракционная нейронная сеть исследователей выполняет вычисления, очень похожие на вычисления, выполняемые оптическими дифракционными нейронными сетями. В частности, их сеть выполняет операции матричной сети, когда электромагнитные волны распространяются через ее многослойные метаповерхности, что напоминает расчеты скорости света, выполняемые оптическими дифракционными сетями.

«Ключевой прорыв в нашей работе заключается в том, что каждый нейрон можно независимо перепрограммировать», — объяснил Цуй. «Поэтому вся нейронная сеть может быть обучена и запрограммирована на месте, а также может быть повторно обучена в соответствии с различными требованиями задачи. Мы разрабатываем блок метаповерхности (нейрон) с перепрограммируемыми коэффициентами передачи, который интегрирует чип усилителя мощности».

Система пространственно-временной телекоммуникации с декодирующей частью PAIM и без нее. а, Пространственно-временная телекоммуникационная система с декодирующей частью PAIM. Первый слой PAIM действует как передатчик, излучая пространственно-временные электромагнитные волны на частоте 5,5 ГГц. Остальные четыре уровня PAIM обучаются как процессор шумоподавления и декодирования, расположенный в канале передачи. Среда EM загрязнена коммерческим маршрутизатором Wi-Fi 5G. Однако с помощью декодера PAIM частота ошибок при передаче снижается до 0,52 %, при этом не требуется дополнительных временных задержек на предварительную обработку сигнала. б) распределение энергии на приемной плоскости, когда код 3 и код 4 передаются в свободное пространство без декодирующей части PAIM. в, Распределение энергии на приемной плоскости при передаче всех четырех кодов в свободное пространство без декодирующих частей PAIM. d, пространственно-временная телекоммуникационная система без декодирующей части PAIM. Первый уровень PAIM действует как передатчик, излучая пространственно-временные электромагнитные волны (в соответствии с четырьмя пользовательскими кодами) на частоте 5,5 ГГц, которые достигают приемника через распространение в свободном пространстве. Электромагнитная среда загрязнена коммерческим маршрутизатором Wi-Fi 5G, что приводит к высокому уровню ошибок при передаче (49,02%) при передаче бинарного изображения эмблемы нашей лаборатории. Кредит: Лю и др. которые достигают приемника через распространение в свободном пространстве. Электромагнитная среда загрязнена коммерческим маршрутизатором Wi-Fi 5G, что приводит к высокому уровню ошибок при передаче (49,02%) при передаче бинарного изображения эмблемы нашей лаборатории. Кредит: Лю и др. которые достигают приемника через распространение в свободном пространстве. Электромагнитная среда загрязнена коммерческим маршрутизатором Wi-Fi 5G, что приводит к высокому уровню ошибок при передаче (49,02%) при передаче бинарного изображения эмблемы нашей лаборатории. Кредит: Лю и др.

Каждый усилитель в исследовательской сети может управляться цифровым способом через программируемую вентильную матрицу (FPGA). FPGA — это системы, которые содержат массив различных программируемых логических блоков или блоков. В системе, созданной Цуем и его коллегами, каждый отдельный блок может управляться независимо, что позволяет инженерам программировать всю нейронную сеть и позволяет ей хорошо работать в конкретных задачах.

«Самым ярким событием нашего исследования стала реализация программируемой дифракционной нейронной сети удобным и эффективным способом», — сказал Цуй. «В прошлом оптические дифракционные глубокие нейронные сети в основном состояли из оптических сред, таких как диоксид кремния, которые были нерегулируемыми материалами. Поэтому этот тип оптической нейронной сети необходимо обучать с помощью компьютера, а окончательную сетевое распространение получается перед обработкой».

Большинство ранее разработанных дифракционных оптических нейронных сетей оставались фиксированными после их обучения. В результате они могут выполнять только определенное количество задач, которым они изначально обучались. Напротив, поскольку сеть, созданная Цуем и его коллегами, основана на цифровых метаповерхностях, ее можно запрограммировать для выполнения различных задач.

«Программируемые метаповерхности могут управлять электромагнитными волнами благодаря простой архитектуре, низкой стоимости и высокой эффективности, что является потенциальным выбором для создания программируемых нейронных сетей», — добавил Цуй. «Наш PAIM также может напрямую модулировать электромагнитные волны в свободном пространстве со скоростью света, что является потенциальным блоком обработки сигналов с малой задержкой, используемым для беспроводной связи 5G и 6G».

В первоначальных оценках дифракционная нейронная сеть, представленная этой группой исследователей, дала очень многообещающие результаты, поскольку было обнаружено, что она очень гибкая и применима в широком диапазоне сценариев. Таким образом, в будущем его можно будет использовать для решения множества реальных проблем, включая классификацию изображений, обнаружение волн и кодирование/декодирование беспроводной связи. Тем временем Цуй и его коллеги будут работать над дальнейшим улучшением его производительности.

«Прототип, реализованный в этой работе, основан на 5-слойной дифракционной нейронной сети, каждый слой имеет 64 программируемых нейронных сети, а общее количество узлов в сети относительно невелико», — добавил Цуй. «В то же время рабочая полоса частот этой сети ниже, что приводит к большему размеру физической сети. В наших следующих исследованиях мы планируем еще больше увеличить масштаб программируемых нейронов сети, улучшить интеграцию сети. , уменьшите размер и сформируйте набор интеллектуальных компьютеров с большей вычислительной мощностью и большей практичностью для зондирования и связи».