Исследование выводит оптические нейросети в область обработки временных сигналов

В исследовании, о котором сообщает ScienMag, описана архитектура нейросети, выполняющая вычисления исключительно с помощью света и обрабатывающая информацию, изменяющуюся во времени. Работа, опубликованная в Light: Science & Applications, расширяет возможности дифракционных оптических вычислений, выходя за пределы статических двумерных картин, использовавшихся во многих более ранних системах.

Предложенная исследователями система одновременно управляет световым полем двумя способами: формирует его распределение в пространстве и задаёт, как это поле изменяется во времени. Благодаря этому оптические сети смогут обрабатывать волновые формы и последовательности, не передавая данные между этапами в электронный процессор.

От пространственных картин к изменяющимся сигналам

Дифракционные нейросети используют ряд тонких оптических слоёв. Их свойства пропускания или отражения выбираются в ходе компьютерного обучения. После попадания света в обученную структуру он распространяется от одного слоя к следующему. Возникающие при этом дифракция и интерференция выполняют операции, аналогичные взвешенным связям в искусственной нейросети.

Такая конструкция позволяет выполнять прямой проход сети по мере распространения света через слои. В отличие от обычных электронных систем, оптическому устройству не требуется отдельно выполнять цифровое умножение в каждой связи. Однако более ранние версии, как правило, работали с одним изображением или другой фиксированной пространственной картиной. Они могли преобразовывать или классифицировать информацию, распределённую по поверхности, но не учитывали естественным образом, как сигнал развивается во времени.

Это ограничение важно, поскольку многие полезные входные данные не являются неподвижными изображениями. Коммуникационные данные могут поступать в виде изменяющихся оптических волновых форм, а биологические сигналы и движущиеся сцены также содержат информацию в своём временном поведении. Например, произнесённое слово определяется последовательностью изменений, а не одним изолированным снимком.

Новая конструкция рассматривает оптическое поле как изменяющееся одновременно в зависимости от положения и времени. Поэтому её слои представляют собой нечто большее, чем пространственные маски: предполагается, что они будут изменять взаимосвязь между разными частями меняющегося во времени поля по мере распространения и интерференции этих компонентов. Итоговая световая картина затем может представлять такой результат, как классификация или преобразованная волновая форма.

Свет как вычислительная среда

Сеть обучается численно. Модели распространения волн объединяются с методами машинного обучения, а свойства слоёв многократно корректируются, чтобы уменьшить разницу между выходом системы и требуемым результатом. После обучения эти параметры задаются физическими оптическими элементами.

Во время работы система должна выполнять вывод пассивно. Это отличает её от гибридных систем, в которых оптика выполняет лишь часть вычислений, после чего обработку берёт на себя электроника. В предлагаемой полностью оптической схеме вычисления обеспечиваются самим распространением, дифракцией и интерференцией света.

Добавление временного измерения может позволить системе объединять информацию в пределах некоторого временного окна, а не рассматривать каждый момент независимо. Согласно сообщению ScienMag, такая сеть потенциально сможет выполнять временную фильтрацию, корреляцию и распознавание последовательностей благодаря поведению света при его прохождении через структуру. Это открывает возможность анализировать потоковые данные уже в начале сенсорной или коммуникационной системы, до преобразования сигнала в электронный формат.

Подход также использует ряд свойств света, способных нести информацию, включая пространственную структуру, длину волны, поляризацию и временной профиль. Исследование посвящено совместному управлению пространством и временем — направлению оптических исследований, благодаря которому создаются управляемые импульсы и другие световые картины, чьё поведение намеренно формируется в процессе распространения.

Потенциальные преимущества и нерешённые задачи

Энергопотребление — одна из главных причин интереса к оптическим нейросетям. Электронное оборудование для ИИ может тратить значительную мощность на перемещение данных между памятью и вычислительными блоками — помимо выполнения математических операций, необходимых для вывода. Дифракционная оптическая сеть осуществляет преобразования за счёт движения и интерференции света, поэтому эксплуатационные затраты в основном связаны с генерацией и обнаружением света, а не с электронным вычислением в каждой связи.

Временное расширение может сделать это преимущество актуальным для более широкого круга задач, особенно в оптических коммуникациях, где информация и так передаётся в виде модулированного света. Отказ от повторного преобразования между оптическим и электронным форматами также может обеспечить очень быструю обработку. В компактных устройствах время прохождения света через сеть может измеряться пикосекундами, хотя практическая производительность всей системы будет зависеть от её компонентов и детекторов.

Работа представлена как проектная основа и база для будущих реализаций, а не как готовый продукт. Создание физических слоёв, способных точно задавать требуемые изменения быстро меняющегося света, будет сложной задачей. На то, сможет ли устройство работать в соответствии с прогнозами обученной модели, могут повлиять юстировка, точность изготовления и полоса пропускания детектора.

ScienMag сообщает, что исследование устанавливает принципы и методологию пространственно-временных дифракционных нейросетей. Чтобы превратить эти принципы в системы, работающие в разных диапазонах оптических частот и на различных аппаратных платформах, потребуются дальнейшие исследования, однако предложенная схема расширяет возможную роль пассивной оптики в обработке динамической информации.