Оптические вычисления. Часть 2. Предыдущая Часть 1. Примерно полтора...

Телеграм дек. 11, 2019

Оптические вычисления. Часть 2.

Предыдущая Часть 1.

Примерно полтора года назад была опубликована шикарная научная работа, в которой описывалось соединение оптики и нейросетей.
Про внутреннее устройство нейросетей я писал ранее. Оптическая нейросеть представляет собой… кусок пластика, отпечатанный на 3D принтере. Для ее изготовления необходимо:

  1. Обученная какому-либо действию нейросеть
  2. ПО для моделирования сложных оптических структур
  3. 3D принтер хорошего качества, возможно, адаптированный под печать какими-то специфическими материалами.

Предположим, у нас есть нейросеть, обученная распознавать рукописные цифры. На вход она получает картинку, содержащую рукописную цифру, что-то делает с ней и одному из 10 выходов, соответствующих цифрам от 0 до 9, присваивает значение 1, остальным – 0.

Также у нас есть суперкомпьютер. Перед ним ставится задача: на основании известной схемы и коэффициентов нейросети смоделируй слоистую структуру из прозрачных, отражающих и полупрозрачных пятнышек так, чтобы, учитывая волновые свойства света, она повторяла действие нейросети, только не для циферок в компьютере а для проходящего света, без перевода сигнала в электричество. Смоделированная структура распечатывается на 3D принтере и вот она – оптическая нейросеть. Теперь на нее можно проецировать изображение, вся интенсивность которого на выходе будет оправляться на соответствующую область выходной грани в зависимости от того, какая цифра на изображении. И, что характерно, распознавание будет осуществляться со скоростью света без затрат электричества вообще.

Я описал один из примеров экспериментов из статьи, который – просто иллюстрация возможностей технологии, без попыток найти конкретное применение. Область применения у подобного устройства довольно узка: автоматизация ресурсоемких потоковых вычислений в случаях, когда необходима экономия электричества (как пример – автономные устройства, питающиеся от батареи) или просто большая скорость. В принципе, нейронную сеть можно обучить практически любой математике, потому перспективы у изобретения есть.

Главный недостаток подобной конфигурации – жесткая однозадачность напечатанного «кирпича»: сетку распечатали и все, что-то не так - только физическая замена. Но если будет сделано удобное решение, параметры которого регулируются в реальном времени (например на базе ЖК), то это будет прорывом.

Поддержать канал можно подпиской: patreon.com/redzion либо донатом: donationalerts.com/r/redzion

Eshu Marabo

Теги