Инструменты искусственного интеллекта, основанные на искусственных нейронных сетях (ИНС), внедряются во все большее число областей, помогая людям быстрее и эффективнее решать многие проблемы. Хотя большинство этих алгоритмов работают на обычных цифровых устройствах и компьютерах, инженеры-электронщики изучают возможность их запуска на альтернативных платформах, таких как дифракционные оптические устройства.
Исследовательская группа под руководством профессора Ти Цзюнь Цуй из Юго-восточного университета Китая недавно разработала новую программируемую нейронную сеть, основанную на так называемом поверхностном плазмон-поляритоне (SSPP), который представляет собой поверхностную электромагнитную волну, распространяющуюся вдоль плоских интерфейсов . Эта недавно предложенная архитектура поверхностной плазмонной нейронной сети (SPNN), представленная в статье в Nature Electronics , может обнаруживать и обрабатывать микроволны, что может быть полезно для беспроводной связи и других технологических приложений.
«В исследованиях цифрового оборудования для внедрения искусственных нейронных сетей оптические нейронные сети и дифракционные глубокие нейронные сети недавно стали перспективными решениями», — сказал Tech Xplore Цянь Ма, один из исследователей, проводивших исследование. «Предыдущие исследования, посвященные оптическим нейронным сетям, показали, что одновременное программирование высокого уровня и нелинейные вычисления могут быть затруднены. Поэтому эти устройства ONN обычно ограничивались конкретными задачами без возможности программирования или применялись только для простых задач распознавания.»
Основная цель недавней работы этих исследователей заключалась в дальнейшем улучшении производительности нейронных сетей при решении сложных нелинейных задач, а также в обеспечении их пригодности для широкого спектра приложений. Предлагаемая ими архитектура SPNN может быть запрограммирована для различных конфигураций веса, что означает, что теоретически она должна хорошо обобщаться для различных задач.
Исследовательская группа под руководством профессора Цуи уже несколько лет занимается разработкой программируемых имитационных поверхностных плазмонных устройств и изучением их использования для электромагнитного регулирования. Вдохновленные своими предыдущими открытиями, они решили разработать нейронную сеть с программируемыми весами и функциями активации на основе одного из этих плазмонных устройств. В принципе, предложенная ими архитектура могла бы достичь замечательных скоростей обработки, приближающихся к скорости света.
«SPNN создавалась послойно, где каждый уровень состоит из нескольких программируемых суперячеек SSPP», — пояснил Ма. «Каждая суперячейка с полностью подключенной сетью с четырьмя входами и четырьмя выходами состоит из восьми программируемых ячеек SSPP. Мы разрабатываем трехмерную составную структуру, которая умело реализует характеристики полного соединения».
Каждая из программируемых суперячеек, которые исследователи использовали для создания своей платформы, состоит из делителя мощности SSPP и ответвителя. Этот уникальный дизайн позволяет надежно манипулировать электромагнитными волнами, а затем использовать их для реализации плазмонных нейронных сетей.
«Весовые параметры нейронных сетей регулируются путем изменения напряжения варакторов, нагружающих ответвители», — сказал Ма. «Что еще более важно, функцию активации можно настроить, определяя интенсивность входного сигнала с помощью детекторов и возвращая пороговое значение усилителю. SPNN может выполнять задачу классификации изображений, а также может использоваться для создания системы беспроводной связи для декодирования и восстановления изображений. .»
Наиболее примечательными особенностями архитектуры SPNN команды являются программируемые веса и функции активации, которые могут упростить применение для широкого круга задач. В некоторых предыдущих работах реализованы программируемые нейронные сети с использованием материалов с фазовым переходом, однако было обнаружено, что этот подход приводит к ограниченным динамическим диапазонам.
«Хотя дифракционные глубокие нейронные сети могут гибко модулировать и обрабатывать электромагнитные волны, отсутствие у них нелинейных функций активации также ограничивает их возможности для решения более сложных задач, таких как логические операции «исключающее ИЛИ» (XOR)», — сказал Ма.
В будущем SPNN, разработанная этой группой исследователей, может использоваться для обнаружения и обработки микроволн в больших масштабах, что потенциально открывает новые возможности для беспроводной связи 5G и 6G. В отличие от некоторых решений на основе ИНС для обнаружения микроволнового излучения, представленных в прошлом, SPNN может напрямую модулировать электромагнитные волны со скоростями, приближающимися к скорости света.
В своей статье профессор Цуй, Ма и их коллеги показали, что та же архитектура хорошо работает и в других задачах, например, при классификации рукописных цифр с высоким уровнем точности. В своих следующих работах они планируют оценить SPNN на других задачах, а также повысить ее сложность, чтобы она могла решать более сложные задачи.
Дополнительная информация: Xinxin Gao et al, Программируемые поверхностные плазмонные нейронные сети для обнаружения и обработки микроволн, Nature Electronics (2023). DOI: 10.1038/s41928-023-00951-х
Будьте в курсе в удобном формате, присоединяйтесь: TG-канал и ВК
Бесплатная служба распространения новостей для научных организаций и стартапов
hello@technovery.com