UCLAエンジニア、光速で動作する光ニューラルネットワークを発表 — インテリジェントカメラへの道

UCLAサミュエル工学部、ロサンゼルス、CA

UCLAのエンジニアたちは、人間の脳の働きに着想を得た光ニューラルネットワーク（光によって物体を識別したり情報を処理したりするデバイス）の設計を大幅に改良し、光の速度で動作可能にしました。この開発は、3Dエンジニアリング材料構造を通る光のパターンを見るだけで、何を見ているかを判断できるインテリジェントカメラシステムにつながる可能性があります。新設計は、光ベースの計算システムの並列性と拡張性を活用しています。

例えば、このようなシステムは自動運転車やロボットに組み込まれ、オブジェクトを見た後にそれを識別するために追加時間を必要とするコンピュータベースのシステムよりも、より速く、より少ない電力で、ほぼ瞬時の意思決定を支援できるでしょう。

この技術はUCLAグループによって2018年に初めて導入されました。システムは、不均一な表面を持つ一連の3Dプリントウェーハまたは層を使用し、入射光を透過または反射させます — 見た目と効果はすりガラスに似ています。層には数万のピクセルポイントがあり、本質的に人工ニューロンであり、全光学的に計算する材料のエンジニアリングボリュームを形成します。各オブジェクトは、3D製造層を通るユニークな光の経路を持ちます。層の後ろには複数の光検出器があり、それぞれコンピュータで事前に割り当てられ、入射オブジェクトが何であるかを、光が層を通過した後に最も多くの光がどこに到達するかで推測します。例えば、手書き数字を判別するように訓練されているなら、「5」としてプログラムされた検出器は、「5」の画像が層を通過した後に最も多くの光を受け取ります。

UCLAの研究者たちは、システムに第2セットの検出器を追加することで、精度を大幅に向上させました。これにより、各オブジェクトタイプが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。研究者たちは、オブジェクトタイプに割り当てられた検出器ペア間の信号差を増やすことを目指しました。直感的には、これは2つの石を左右の手で同時に量って、それらが同じ重さか異なる重さかを判別するのと似ています。

このようなシステムは、光物質相互作用と3D製造材料構造内の光学回折を用いて、光の速度で機械学習タスクを実行し、照明光とシンプルな検出器回路を除いて大電力を必要としません。研究者たちによると、この進歩により、シーン上で光子と光物質相互作用のみを使用して計算を行う、タスク特化型スマートカメラが可能になり、極めて高速で電力効率が良くなります。

研究者たちは、手書き数字、衣類アイテム、車両と動物のより広いセットとして知られるCIFAR-10画像データ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。それぞれ98.6%、91.1%、51.4%の画像認識精度を達成しました。

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と非常に好比較されます。より最近の電子システムはより良いパフォーマンスを持っていますが、研究者たちは全光学システムが推論速度、低消費電力、並列でより多くのオブジェクトを収容・識別するためにスケールアップできる能力において利点があると示唆しています。

詳細については、Amy Akmalまでお問い合わせください。このメールアドレスはスパムボットから保護されています。表示にはJavaScriptが必要です。