Un team di ricercatori dell'Università della California ha sviluppato un nuovo tipo di rete neurale, che utilizza la luce invece dell'elettricità per ottenere risultati. Nel loro articolo pubblicato sulla rivista Scienza , il gruppo descrive le proprie idee, il loro dispositivo funzionante, le sue prestazioni, e i tipi di applicazioni che ritengono possano essere ben serviti da tale rete.

Le reti di deep learning sono sistemi informatici che "imparano" osservando molti esempi di tipi di dati e quindi utilizzano modelli che si sviluppano come un modo per interpretare nuovi dati. Come tutti gli altri computer, funzionano con l'elettricità. In questo nuovo sforzo, i ricercatori hanno trovato un modo per creare una rete di deep learning che non utilizza affatto l'elettricità, invece, usa la luce. La chiamano rete neurale profonda diffrattiva, o più succintamente, D ² NN.

Per costruire una rete del genere, i ricercatori hanno creato piccoli piatti di plastica stampati utilizzando una stampante 3D. Ogni piastra rappresentava uno strato di neuroni virtuali e ogni neurone poteva comportarsi come la sua controparte biologica trasmettendo o riflettendo la luce in arrivo. Nel loro esempio, hanno usato cinque piatti allineati uno di fronte all'altro con un piccolo spazio tra loro. Quando il sistema era in funzione, la luce di un laser è stata diretta sulla prima lastra e si è fatta strada attraverso la seconda, Terzo, quarto e quinto in modo tale da rivelare informazioni su un oggetto posto davanti al dispositivo. Un sensore sul retro ha letto la luce e ha interpretato ciò che è stato trovato.

Per testare la loro idea, i ricercatori hanno scelto di creare una rete neurale fisica in grado di riconoscere i numeri da zero a nove, e poi riferire cosa ha trovato. In pratica, al sistema è stato mostrato un numero su un display e ha risposto identificando il numero e quindi visualizzandolo tramite il sensore. Il sistema è stato alimentato 55, 000 immagini di numeri che erano state scansionate. Questa fase di apprendimento ha richiesto l'uso dell'elettricità poiché funzionava su un computer che forniva i dati al sistema. Nel testare il loro sistema mostrandogli migliaia di numeri, i ricercatori riferiscono che era accurato circa il 95 percento. Notano che il loro dispositivo è stato una prova di concetto e potrebbe rivelarsi utile come mezzo per sviluppare dispositivi dedicati per applicazioni che richiedono velocità, come raccogliere volti da una folla di persone in movimento.

© 2018 Tech Xplore