UCLAのエンジニアがインテリジェントカメラ用の光速光学ニューラルネットワークを発表

カリフォルニア州ロサンゼルス、UCLA サムエリ工学部

UCLA のエンジニアは、光の速さで物体を識別したり情報を処理したりできる、人間の脳の仕組みにヒントを得たデバイスである光学ニューラル ネットワークの設計を大幅に改善しました。この開発は、3D 人工材料構造を通過する光のパターンだけで、何を見ているかを判断するインテリジェントなカメラ システムにつながる可能性があります。新しい設計は、光学ベースの計算システムの並列化とスケーラビリティを活用しています。

たとえば、このようなシステムは自動運転車やロボットに組み込むことができ、物体を見た後に識別するのに追加の時間が必要なコンピュータ ベースのシステムよりも、ほぼ瞬時に意思決定を迅速に行うことができ、消費電力も少なくなります。

この技術は、2018 年に UCLA グループによって初めて導入されました。このシステムは、入射光を透過または反射する凹凸のある表面を持つ一連の 3D プリントされたウェハーまたは層を使用します。外観と効果はすりガラスに似ています。レイヤーには数万のピクセル ポイントがあり、基本的には人工ニューロンであり、完全に光学的に計算する人工的なボリュームの材料を形成します。各オブジェクトには、3D で製造されたレイヤーを通る固有の光路があります。層の背後にはいくつかの光検出器があり、それぞれがコンピュータ内で事前に割り当てられており、層を通過した後に最も多くの光が到達する場所によって入力オブジェクトが何であるかを推定します。たとえば、手書きの数字を認識するようにトレーニングされている場合、「5」を識別するようにプログラムされた検出器は、「5」の画像がレイヤーを通過した後、ほとんどの光がその検出器に当たるのを確認します。

UCLA の研究者は、システムに 2 番目の検出器セットを追加することでシステムの精度を大幅に向上させたので、各オブジェクト タイプは 1 つではなく 2 つの検出器で表現されるようになりました。研究者らは、オブジェクトの種類に割り当てられた検出器ペア間の信号の差を増やすことを目的としました。直感的には、これは、2 つの石の重さを左手と右手で同時に計って、それらの重さが同じか異なるかを区別することに似ています。

このようなシステムは、照明光と単純な検出器回路を除き、大規模な電力を必要とせずに、光速で 3D 作製材料構造内での光と物質の相互作用と光回折による機械学習タスクを実行します。研究者らによると、この進歩により、光子と光物質の相互作用のみを使用してシーン上で計算を実行し、非常に高速で電力効率の高い、タスク固有のスマート カメラが可能になる可能性があります。

研究者らは、手書きの数字、衣服、CIFAR-10 画像データセットとして知られるさまざまな乗り物や動物の広範なセットの画像データセットを使用して、システムの精度をテストしました。画像認識精度はそれぞれ 98.6%、91.1%、51.4% であることがわかりました。

これらの結果は、以前の世代の全電子ディープ ニューラル ネットワークと比べて非常に優れています。最近の電子システムはより優れたパフォーマンスを備えていますが、研究者らは、全光学システムには推論速度、低消費電力、さらに多くの物体を同時に収容して識別できるようにスケールアップできる能力の点で利点があると示唆しています。

詳細については、この電子メール アドレスはスパムボットから保護されています。Amy Akmal までお問い合わせください。表示するには JavaScript を有効にする必要があります。