Il deep learning ha rivoluzionato il modo in cui percepiamo e utilizziamo i dati. Tuttavia, con la crescita dei set di dati e l’aumento delle richieste computazionali, abbiamo bisogno di modi più efficienti per gestire, archiviare ed elaborare i dati. A questo proposito, il calcolo ottico è visto come la prossima frontiera della tecnologia informatica. Anziché utilizzare segnali elettronici, il calcolo ottico si affida alle proprietà delle onde luminose, come la lunghezza d'onda e la polarizzazione, per archiviare ed elaborare i dati.
Reti neurali profonde diffrattive (D 2 NN) utilizzano varie proprietà delle onde luminose per eseguire attività come il riconoscimento di immagini e oggetti. Tali reti sono costituite da matrici di pixel bidimensionali come strati diffrattivi. Ogni pixel funge da parametro regolabile che influenza le proprietà delle onde luminose che lo attraversano. Questo design unico consente alle reti di eseguire compiti computazionali manipolando le informazioni contenute nelle onde luminose. Finora D 2 Le NN sfruttano le proprietà delle onde luminose come intensità, fase, polarizzazione e lunghezza d'onda.
Ora, in uno studio pubblicato su Advanced Photonics Nexus , i ricercatori della Minzu University of China, dell'Università di Pechino e dell'Università dello Shanxi in Cina hanno sviluppato tre D 2 NN con strati diffrattivi in grado di riconoscere gli oggetti utilizzando le informazioni contenute nel momento angolare orbitale (OAM) della luce. Questi includono il rilevatore singolo con codifica OAM D 2 NN per classificazione singola e multitasking e D 2 con codifica OAM multirilevatore NN per classificazione multitasking ripetibile.
Ma cos’è l’OAM? È una proprietà delle onde luminose legata al suo movimento di rotazione o torsione. Può assumere un numero infinito di valori indipendenti, ciascuno corrispondente a una diversa modalità di luce. Grazie alla sua vasta gamma di possibili stati o modalità, OAM può trasportare informazioni spaziali come la posizione, la disposizione o la struttura di un oggetto. Nella proposta D 2 NN, i raggi OAM contenenti informazioni che illuminano le cifre scritte a mano sono combinati in un unico raggio a vortice. Questo raggio, contenente più modalità OAM, ciascuna associata a una specifica torsione o rotazione delle onde luminose, passa attraverso cinque strati diffrattivi addestrati a riconoscere le caratteristiche delle cifre scritte a mano dalle modalità OAM.
Una caratteristica notevole del D 2 con codifica OAM NN è la sua capacità di discernere la sequenza di cifre ripetute. Per raggiungere questo obiettivo, i ricercatori hanno utilizzato più rilevatori per elaborare le informazioni OAM di più immagini contemporaneamente.
Quando testato sul set di dati MNIST, un set di dati comunemente utilizzato per il riconoscimento delle cifre scritte a mano, il D 2 NN ha previsto correttamente le singole cifre nelle immagini circa l'85,49% delle volte, un livello di precisione paragonabile a D 2 Modelli NN che sfruttano la lunghezza d'onda e le proprietà di polarizzazione della luce.
L'utilizzo delle modalità OAM per codificare le informazioni rappresenta un passo significativo verso il progresso delle capacità di elaborazione parallela e andrà a vantaggio delle applicazioni che richiedono elaborazione in tempo reale, come il riconoscimento di immagini o attività ad alta intensità di dati.
In effetti, questo lavoro raggiunge una svolta nella classificazione parallela utilizzando il grado di libertà OAM, superando altri D 2 esistenti Disegni NN. In particolare, D 2 con codifica OAM Le NN forniscono un potente quadro per migliorare ulteriormente la capacità della classificazione parallela completamente ottica e delle attività di visione artificiale basate su OAM e si prevede che apriranno promettenti direzioni di ricerca per D 2 NN.
Ulteriori informazioni: Kuo Zhang et al, Classificazione completamente ottica avanzata utilizzando reti diffrattive codificate dal momento angolare-orbitale, Advanced Photonics Nexus (2023). DOI:10.1117/1.APN.2.6.066006
Fornito da SPIE
