Engenheiros da UCLA revelam rede neural óptica à velocidade da luz para câmeras inteligentes

Escola de Engenharia UCLA Samueli, Los Angeles, CA

Os engenheiros da UCLA fizeram grandes melhorias no projeto de uma rede neural óptica – um dispositivo inspirado no funcionamento do cérebro humano – que pode identificar objetos ou processar informações à velocidade da luz. O desenvolvimento pode levar a sistemas de câmeras inteligentes que descobrem o que estão vendo simplesmente pelos padrões de luz que percorrem uma estrutura de material projetada em 3D. O novo design aproveita a paralelização e a escalabilidade dos sistemas computacionais baseados em óptica.



Por exemplo, esses sistemas poderiam ser incorporados em carros ou robôs autônomos, ajudando-os a tomar decisões quase instantâneas com mais rapidez e usando menos energia do que sistemas baseados em computador que precisam de mais tempo para identificar um objeto depois de ele ser visto.

A tecnologia foi introduzida pela primeira vez pelo grupo UCLA em 2018. O sistema usa uma série de wafers ou camadas impressas em 3D com superfícies irregulares que transmitem ou refletem a luz que entra – semelhante em aparência e efeito ao vidro fosco. As camadas têm dezenas de milhares de pontos de pixel, essencialmente neurônios artificiais que formam um volume projetado de material que é computado de forma totalmente óptica. Cada objeto terá um caminho de luz único através das camadas fabricadas em 3D. Atrás das camadas estão vários detectores de luz, cada um previamente atribuído em um computador para deduzir qual é o objeto de entrada, de acordo com onde a maior parte da luz vai depois de viajar através das camadas. Por exemplo, se for treinado para descobrir dígitos manuscritos, então o detector programado para identificar um “5” verá a maior parte da luz atingir esse detector depois que a imagem de um “5” tiver viajado através das camadas.

Os pesquisadores da UCLA aumentaram significativamente a precisão do sistema adicionando um segundo conjunto de detectores ao sistema, de modo que cada tipo de objeto é agora representado por dois detectores em vez de um. Os pesquisadores pretendiam aumentar a diferença de sinal entre um par de detectores atribuído a um tipo de objeto. Intuitivamente, isso é semelhante a pesar duas pedras simultaneamente com a mão esquerda e a direita para diferenciar se têm pesos semelhantes ou diferentes.

Tal sistema executa tarefas de aprendizado de máquina com interação luz-matéria e difração óptica dentro de uma estrutura de material fabricada em 3D na velocidade da luz e sem a necessidade de muita energia, exceto para a luz de iluminação e circuito detector simples. De acordo com os pesquisadores, esse avanço poderia permitir câmeras inteligentes específicas para tarefas que realizam cálculos em uma cena usando apenas fótons e interação luz-matéria, tornando-a extremamente rápida e eficiente em termos de energia.

Os pesquisadores testaram a precisão de seu sistema usando conjuntos de dados de imagens de dígitos manuscritos, peças de roupa e um conjunto mais amplo de vários veículos e animais conhecido como conjunto de dados de imagens CIFAR-10. Eles encontraram taxas de precisão de reconhecimento de imagem de 98,6%, 91,1% e 51,4%, respectivamente.

Esses resultados se comparam muito favoravelmente às gerações anteriores de redes neurais profundas totalmente eletrônicas. Embora os sistemas eletrônicos mais recentes tenham melhor desempenho, os pesquisadores sugerem que os sistemas totalmente ópticos têm vantagens na velocidade de inferência, baixo consumo de energia e capacidade de serem ampliados para acomodar e identificar muito mais objetos em paralelo.

Para mais informações, entre em contato com Amy Akmal em Este endereço de e-mail está protegido contra spambots. Você precisa ter o JavaScript habilitado para visualizá-lo.