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)。NSNEETC-电子工程专辑

opticalneuralnetwork_mid-624x414.jpgNSNEETC-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。NSNEETC-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。NSNEETC-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。NSNEETC-电子工程专辑
diffractive-deep-neural-network-uses-light-5.jpgNSNEETC-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。”NSNEETC-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。NSNEETC-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。NSNEETC-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。NSNEETC-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/NSNEETC-电子工程专辑

qrcode_EETCwechat_120.jpgNSNEETC-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”NSNEETC-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
  • 都在围观最新CPU/GPU,Arm中国这个动向你可曾关注? “孙正义曾说大约在2035年左右,全球可能会有1万亿个在线连接的AIoT设备。坦白的讲,这并不是一个很激进的数字。”Arm中国生态发展副总裁、OPEN AI LAB创始人兼CEO金勇斌日前在接受媒体采访时称,从1991年到2017年,Arm花了26年的时间才实现了1000亿片Arm架构芯片的出货。
  • 利用本性、借力培育打造令人惊叹的AI SoC 将高级AI功能集成到SoC中经常会暴露SoC架构的软肋。 SoC的DNA(其“本性”)强壮程度依赖于其设计环境(其“培育”)所赋能。了解如何选择合适的工具和流程,特别是正确的IP,可以帮助你培育表现出色的AI SoC。探索Synopsys的 DesignWare IP,可助你实现令人惊艳的AI。
  • AI有望撑起芯片业复兴 人工智能(AI)革命尽管才刚起步,但很快地将会需要各种更强大的半导体...
  • 在嵌入式系统中应用机器学习 机器学习已从一个有趣的研究课题迅速发展成为广泛应用的有效解决方案。它显而易见的有效性迅速吸引了人工智能理论学者群体之外的开发者社区的兴趣。在某些方面,机器学习开发能力已经扩展到其它基于强大理论基础的技术应用层面。
  • 无生态,不AI 在半导体行业,IP相当于一颗芯片的灵魂,而当下最火热的人工智能芯片无论从IP、架构还是应用上,都与传统IC十分不同,因此一家公司的产品能否在混沌时期形成生态,对他们而言有着更深层次的意义。
  • 芯原与恩智浦针对机器学习技术开展合作,面向各类终端应 芯原Vivante智能像素处理IP解决方案提供了从MCU产品到高性能应用处理器的可扩展解决方案
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