Även de mest kraftfulla datorerna matchar fortfarande inte den mänskliga hjärnan när det gäller mönsterigenkänning, riskhantering, och andra liknande komplexa uppgifter. De senaste framstegen inom optiska neurala nätverk, dock, stänger det gapet genom att simulera hur neuroner svarar i den mänskliga hjärnan.

I ett viktigt steg mot att göra storskaliga optiska neurala nätverk praktiska, forskare har visat ett första i sitt slag multilagerigt heloptiskt artificiellt neuralt nätverk. Rent generellt, denna typ av artificiell intelligens kan hantera komplexa problem som är omöjliga med traditionella beräkningsmetoder, men nuvarande konstruktioner kräver omfattande beräkningsresurser som är både tidskrävande och energikrävande. Av denna anledning, det finns ett stort intresse för att utveckla praktiska optiska artificiella neurala nätverk, som är snabbare och förbrukar mindre ström än de som är baserade på traditionella datorer.

I Optica , Optical Society's journal for high-impact research, forskare från The Hong Kong University of Science and Technology, Hongkong beskriver deras tvålagers heloptiska neurala nätverk och tillämpar det framgångsrikt på en komplex klassificeringsuppgift.

"Vårt helt optiska system kan möjliggöra ett neuralt nätverk som utför optisk parallellberäkning med ljusets hastighet samtidigt som den förbrukar lite energi, "sa Junwei Liu, medlem i forskargruppen. "Storskalig, heloptiska neurala nätverk kan användas för applikationer som sträcker sig från bildigenkänning till vetenskaplig forskning. "

Bygga ett helt optiskt nätverk

I konventionella hybridoptiska neurala nätverk, optiska komponenter används vanligtvis för linjära operationer medan olinjära aktiveringsfunktioner-de funktioner som simulerar hur neuroner i den mänskliga hjärnan svarar-vanligtvis implementeras elektroniskt eftersom olinjär optik vanligtvis kräver högeffektlasrar som är svåra att implementera i ett optiskt neuralt nätverk.

För att övervinna denna utmaning, forskarna använde kalla atomer med elektromagnetiskt inducerad transparens för att utföra olinjära funktioner. "Denna ljusinducerade effekt kan uppnås med mycket svag lasereffekt, "sa Shengwang Du, medlem i forskargruppen. "Eftersom denna effekt är baserad på olinjär kvantinterferens, det kan vara möjligt att utvidga vårt system till ett kvantneuralt nätverk som skulle kunna lösa problem som inte kan lösas med klassiska metoder. "

För att bekräfta möjligheten och genomförbarheten av det nya tillvägagångssättet, forskarna konstruerade ett tvåskiktigt fullt anslutet allt optiskt neuralt nätverk med 16 ingångar och två utgångar. Forskarna använde sitt helt optiska nätverk för att klassificera ordnings- och störningsfaserna i Ising-modellen, en statistisk modell av magnetism. Resultaten visade att det helt optiska neurala nätverket var lika exakt som ett välutbildat datorbaserat neuralt nätverk.

Optiska neurala nätverk i större skala

Forskarna planerar att utöka det heloptiska tillvägagångssättet till storskaliga all-optiska djupa neurala nätverk med komplexa arkitekturer utformade för specifika praktiska tillämpningar som bildigenkänning. Detta kommer att bidra till att visa att systemet fungerar i större skala.

"Även om vårt arbete är en bevisning av princip, det visar att det kan bli möjligt i framtiden att utveckla optiska versioner av artificiell intelligens, "sa Du." Nästa generation av hårdvara för artificiell intelligens kommer i grunden att vara mycket snabbare och uppvisa lägre strömförbrukning jämfört med dagens datorbaserade artificiella intelligens, "tillade Liu.