最近，人們對與人工智能相關(guān)的應(yīng)用的光學(xué)計算平臺重新產(chǎn)生了興趣。由于光學(xué)信息處理的高速，大帶寬和高互連性，光學(xué)非常適合于實現(xiàn)神經(jīng)網(wǎng)絡(luò)模型。由UCLA研究人員介紹的衍射深層神經(jīng)網(wǎng)絡(luò)(D 2 NN )構(gòu)成了這樣一種光學(xué)計算框架，包括連續(xù)的透射和/或反射衍射表面，可以通過光-物質(zhì)相互作用來處理輸入信息。這些表面是使用計算機(jī)中的標(biāo)準(zhǔn)深度學(xué)習(xí)技術(shù)設(shè)計的，然后進(jìn)行制造和組裝以構(gòu)建物理光網(wǎng)絡(luò)。通過在太赫茲波長下進(jìn)行的實驗，D 2的能力演示了將神經(jīng)網(wǎng)絡(luò)全對象分類的方法。除了對象分類，還證明了D 2 NN在執(zhí)行各種光學(xué)設(shè)計和計算任務(wù)(包括例如光譜過濾，光譜信息編碼和光脈沖整形)方面的成功。

UCLA團(tuán)隊在《光：科學(xué)與應(yīng)用》發(fā)表的最新論文中報告了D 2的跨越式發(fā)展。通過集成學(xué)習(xí)，基于神經(jīng)網(wǎng)絡(luò)的圖像分類精度。通過英國哲學(xué)家和統(tǒng)計學(xué)家弗朗西斯·加爾頓爵士(1822-1911)的實驗，可以直觀地理解其方法成功的關(guān)鍵要素，他在參觀牲畜交易會時要求參與者猜測牛的重量。 。數(shù)百名參與者中沒有一個成功地猜測出體重。但是令他驚訝的是，高爾頓發(fā)現(xiàn)所有猜測的中位數(shù)都非常接近-1207磅，準(zhǔn)確度在1198磅真實重量的1%以內(nèi)。該實驗揭示了組合許多預(yù)測以獲得更準(zhǔn)確的預(yù)測的能力。集成學(xué)習(xí)在機(jī)器學(xué)習(xí)中體現(xiàn)了這一思想，在機(jī)器學(xué)習(xí)中，通過組合多個模型可以提高預(yù)測性能。

在他們的計劃中，加州大學(xué)洛杉磯分校的研究人員報告了一個由多個并行運行的D 2 NN組成的集合體，每個集合都通過使用各種濾波器對輸入進(jìn)行光學(xué)過濾而經(jīng)過單獨訓(xùn)練和多樣化。1252 D 2 NN以這種方式進(jìn)行了獨特設(shè)計，形成了初始網(wǎng)絡(luò)池，然后使用迭代修剪算法對其進(jìn)行了修剪，因此所得到的物理集合不會過大。最終預(yù)測來自集合中所有組成D 2 NN決策的加權(quán)平均值。研究人員評估了所得D 2的性能NN集成在CIFAR-10圖像數(shù)據(jù)集上，該數(shù)據(jù)集包含分類為10類的60,000張自然圖像，并且是用于基準(zhǔn)化各種機(jī)器學(xué)習(xí)算法的廣泛使用的數(shù)據(jù)集。他們所設(shè)計的集成系統(tǒng)的仿真表明，衍射光網(wǎng)絡(luò)可以從“人群的智慧”中大大受益。例如，在14個單獨訓(xùn)練的D 2 NN的合奏中，研究人員在CIFAR-10數(shù)據(jù)集上實現(xiàn)了61.21%的盲測準(zhǔn)確度，比單個D 2 NN的平均準(zhǔn)確度高出約16%。

這項研究由美國加州大學(xué)洛杉磯分校電氣和計算機(jī)工程系的Aydogan Ozcan教授領(lǐng)導(dǎo)。D 2 NN集成實現(xiàn)的顯著改善的推理和泛化性能標(biāo)志著縮小光學(xué)神經(jīng)網(wǎng)絡(luò)與數(shù)字神經(jīng)網(wǎng)絡(luò)之間的差距的重大進(jìn)步。連同納米級光學(xué)系統(tǒng)制造和組裝方面的進(jìn)步，提出的框架有望為各種應(yīng)用提供微型化，超快速的機(jī)器學(xué)習(xí)解決方案，例如全光學(xué)對象分類，基于衍射的光學(xué)計算硬件以及計算成像任務(wù)。

標(biāo)簽： 衍射網(wǎng)絡(luò)