模拟人脑工作的深度神经网络现在经常为计算机视觉、语音识别等提供动力。然而,它们越来越受到用于实现它们的硬件的限制。现在,科学家们在光子微芯片上开发了一种深度神经网络,可以在不到一纳秒的时间内对图像进行分类,这与最先进的电子设备中发现的那种时钟的滴答声大致相同。

在人工神经网络,组件被称为“神经元都是通过数据和合作来解决问题,比如识别人脸.神经网络会反复调整神经元之间的联系,并观察由此产生的行为模式是否能更好地找到解决方案。随着时间的推移,网络会发现哪些模式最适合计算结果。然后它采用这些作为默认值,模仿人类大脑的学习过程。一个神经网络叫做"如果它拥有多层神经元。

虽然这些人工智能系统越来越多的应用在现实世界中,考虑到运行它们的硬件,它们面临着许多重大挑战。首先,它们通常使用基于数字时钟的平台来实现,例如图形处理单元(gpu),这限制了它们的计算速度到时钟的频率-对于大多数最先进的gpu来说不到3千兆赫兹。第二,不像生物神经元——两者都可以计算和存储数据——电子独立的内存和处理单元.在这些组件之间来回穿梭数据既浪费时间又浪费精力。

此外,原始视觉数据通常需要转换为数字电子信号,耗时。此外,经常需要一个大的存储单元来存储图像和视频,提高潜在的隐私问题

在一项新的研究中,研究人员开发了一种光子深度神经网络,可以直接分析图像,而不需要时钟、传感器或大型内存模块。它可以在不到570皮秒的时间内对图像进行分类,这与最先进的微芯片的单个时钟周期相当。

该研究的资深作者说:“它每秒可以对近20亿张图像进行分类。Firooz Aflatouni他是费城宾夕法尼亚大学的电气工程师。“作为一个参考点,传统的视频帧率是每秒24到120帧。”

该新设备标志着第一个完全在集成光子设备上以可扩展的方式实现的深度神经网络。整个芯片的大小只有9.3平方毫米。

感兴趣的图像被投影到一个5 × 6像素的数组上,并分为4个重叠的3 × 4像素的子图像。然后,光学通道或波导将每个子图像的像素路由到设备的九个神经元。

当微芯片被训练来识别图像时,例如,一个字母或另一个字母,一个电控设备会调整每个神经元如何修改入射光信号的功率。通过分析来自图像的光线在穿过微芯片的神经元层后是如何被修改的,就可以读取微芯片的结果。

“传播计算,即波在介质中传播时进行计算,可以以光速进行计算,”Aflatouni说。

科学家们用他们的微芯片识别手写信件。在一组测试中,它必须将216个字母分为两类pd在另一项测试中,它必须将432个字母分为两类pd一个,或t.该芯片的准确率分别高于93.8%和89.8%。相比之下,用Python实现的190个神经元的传统深度神经网络使用Keras库在同样的图像上达到了96%的准确率。

研究人员目前正在试验用这些设备对视频和3D物体进行分类,以及使用具有更多像素和神经元的更大芯片对更高分辨率的图像进行分类。此外,这项技术的应用“并不局限于图像和视频分类,”阿夫拉图尼说。“使用这项技术,任何可以转换为光学域的音频和语音等信号几乎都可以立即进行分类。”

科学家们详细描述了他们的发现6月1日自然

对话(0)

人工智能会窃取潜艇的隐身能力吗?

更好的探测将使海洋变得透明——也许还会导致相互毁灭

11分钟读取
一张潜艇在水中的照片,在部分多云的天空下。

弗吉尼亚级快速攻击潜艇维吉尼亚州将于2010年穿越地中海。当时,只要潜水,它就能消失。

美国海军

潜艇的价值主要是因为他们隐藏的能力。核战争中,核潜艇能够在第一次导弹袭击中存活下来,从而能够在第二次打击中发射导弹作为回应,这是所谓“相互保证毁灭”威慑战略的关键。因此,任何可能使海洋变得有效透明的新技术,都可能破坏世界和平,使潜伏的潜艇变得微不足道。近一个世纪以来,海军工程师们一直在努力研发速度更快、噪音更小的潜艇。但他们也同样努力推进一系列雷达、声纳和其他旨在探测、瞄准和消灭敌方潜艇的技术。

随着20世纪60年代早期核动力潜艇的出现,这种平衡似乎发生了转变。在2015年战略与预算评估中心的一项研究中,布莱恩·克拉克哈德逊研究所的一位海军专家指出,这些船只长时间保持在水下的能力使它们“雷达和主动声纳几乎不可能发现“但即使是这些隐形的潜艇也会产生细微的、非常低频的噪音,从很远的地方就能被探测到声水听器阵列网络安装在海底的。

继续阅读↓ 显示更少
{“imageShortcodeIds”(“30133857”):}
Baidu