向右滑动:上一篇 向左滑动:下一篇 我知道了
广告

全光学绕射深度神经网络,让计算机直接看懂目标图像

时间:2018-09-11 作者:Technews 阅读:
机器学习领域发展最快的一环,深度学习(Deep learning)为我们带来许多技术进步,不论图像分析、语音识别或语言翻译都有成功应用,但许多人都相信深度学习的潜力不仅于此。加州大学洛杉矶分校(UCLA)的研究团队近日便介绍一种从物理机制改变深度学习的特殊概念,未来或有望让相关应用更进一步发展。

由 UCLA 计算机工程教授 Aydogan Ozcan 带领的团队舍弃了传统使用的计算机设备,反而选择运用全光学物理机制来建立神经网络架构,这个概念团队称为“全光学绕射深度神经网络”(all-optical Diffractive Deep Neural Network, D2NN)。4vVEETC-电子工程专辑

opticalneuralnetwork_mid-624x414.jpg4vVEETC-电子工程专辑

以现今情况来说,由于深度学习是在计算机运行的系统,不论图像识别或文字识别,应用的设备都必须配合镜头或光学传感器来识别物体,为了让计算机理解,这些看见的内容还得整理成数据给计算机读取,接着系统还得透过数据表示方法及抽象化(Abstraction)搞懂内容后才能执行任务。4vVEETC-电子工程专辑

相较之下,运用全光学的 D2NN 不需要额外的高级计算机程序来处理目标图像,或是判断光学传感器捕捉到的内容究竟是什么,而也因只需仰赖光学绕射运作,D2NN 并不需要任何额外耗能便可执行任务。4vVEETC-电子工程专辑

从外观看起来,D2NN 是由数个 8 平方公分大小的晶圆组成,每个运用 3D 打印制作的半透明晶圆上都有数万个凸起像素,透过每个晶圆复杂的像素组合将光线偏折,D2NN 能执行图像分析、特征检测和对象分类等应用──当然,是以货真价实的“光速”在执行任务。4vVEETC-电子工程专辑
diffractive-deep-neural-network-uses-light-5.jpg4vVEETC-电子工程专辑
如果用领导研究的 Ozcan 教授的话来解释,D2NN 就是“逐层制造的被动组件透过光学绕射互相链接,创造出独特全光学平台,能够运用光速执行机器学习任务。”4vVEETC-电子工程专辑

透过使用兆赫兹频率的光源实际测试 3D 打印出的设计,团队在手写数字、时尚产品的图像分类证实了这套系统的可行性,团队相信 D2NN 未来有望协助开发出全新应用概念的相机,以及可学习特定任务的光学组件。4vVEETC-电子工程专辑

由于 D2NN 的组件都可用 3D 打印生产,未来晶圆大小与层数都还能再往上提升,而这些更大的系统也可用来处理更复杂的数据及图像分析,同时成本还非常便宜──根据 UCLA 报导指出,研究团队创造的 D2NN 设备只需不到 50 美元就能复制。4vVEETC-电子工程专辑

虽然以目前来说,D2NN 还只是一种概念证明,但这确实替机器学习未来的应用开创了独特机会,研究论文已经刊登在《科学》(Science)期刊。4vVEETC-电子工程专辑

原文微信公众号:technews2013,已获授权转载, 链接:https://technews.tw/2018/08/03/ucla-all-optical-diffractive-deep-neural-network/4vVEETC-电子工程专辑

qrcode_EETCwechat_120.jpg4vVEETC-电子工程专辑

关注最前沿的电子设计资讯,请关注“电子工程专辑微信公众号”4vVEETC-电子工程专辑

本文为EET电子工程专辑 原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
您可能感兴趣的文章
  • 边缘AI大战一触即发 一场边缘AI大战正悄悄展开...每一家处理器供货商都将机器学习视为“金鸡母”,积极地调整自家公司策略,竞相为这个具有最大商机的领域——边缘AI提供加速特定工作负载的解决方案...
  • 比摩尔定律快得多:为什么要将AI算力扩展至ExaFLOPs百亿 当通用计算逐渐在性能、能效比提升逐年放缓的情况下,摩尔定律放缓、登纳德缩放定律失效,被人们每每提及的“架构革新”成为一种必然。Graphcore的IPU可算是当代“架构革命”的先驱之一。Graphcore的架构革命究竟能带来什么?
  • AI推理处理器已死? 人工智能(AI)芯片的市场现实是什么?根据业界专家认为,如今我们已经脱离AI炒作,开始前进到更能准确反映现实的阶段...
  • 市场上有那么多AI芯片,还需要Arm的NPU吗? AI和IoT是这两年被人反复提及的话题热点,毕竟它们给予行业的信心是贯彻了信息技术的整个垂直领域的。这两者能够造就机遇的重要原因,就在于它们尚未形成(或可能不会形成)非常统一的“生态”,迄今为止也没有哪位巨擘一手遮天构建起具有充分话语权的生态。以边缘AI为例,仅是手机设备上用于推理(inference)的神经网络单元,时下大概也都处在多家争鸣的状态……
  • 8周!中国初创公司首颗自研AI芯片变成量产机 随着摩尔定律的几近失效,人们又找到一项新规律——人工智能的算力每隔约3.5个月就会翻翻。其实人工智能的爆发,也得益于集成电路技术突飞猛进,其源头和瓶颈都是芯片算力。正因如此,全球范围内的AI芯片初创公司的融资势头强劲,中国有一家AI芯片初创企业,从他们第一颗芯片回来,到第一种机型量产,仅用了不到8周时间,这种“中国速度”是怎么做到的?……
  • 浙江大学牵头研发,类脑芯片“达尔文2”发布 日前,脉冲神经网络类脑芯片“达尔文2”以及针对该芯片的工具链、微操作系统在杭州发布。该芯片主要面向智慧物联网应用,单芯片支持的神经元规模达15万个,在神经元数目上相当于果蝇的神经元数目,是目前已知单芯片神经元规模居全国前列的脉冲神经网络类脑芯片。
相关推荐
    广告
    近期热点
    广告
    广告
    广告
    可能感兴趣的话题
    广告