Kategóriák Tech

Ez a neurális hálózat fénysebességgel üzemel

A Kalifornia Egyetem kutatói egy újfajta neurális hálózatot dolgoztak ki, amely elektromosság helyett fényt használ. Tanulmányukban elképzeléseik mellett azt is bemutatják, hogy azt hogyan változtatták egy működőképes berendezéssé és hogy az eszköznek így milyen lehetséges felhasználási területei lehetnek.

A mély tanulási hálózatok olyan számítástechnikai rendszerek, amelyek úgy “tanulnak”, hogy rengeteg példaadatot táplálnak belőjük, amelyekből azután mintákat képeznek, melyek révén új adatok értelmezésére is képesek, ezzel elsajátítva egy adott képességet.

Ahogy bármilyen más számítógép, a neurális hálózatok is elektromosságot használnak – azonban mostanában több kísérletet is végrehajtottak a rendszer fénnyel való működtetésére. Az új kutatásban a kutatóknak sikerült elkészíteni egy olyan hálózatot, ami képes volt teljesen a fény segítségével működni. A rendszernek a diffrakciós mély neurális hálózat (diffractive deep neural network) nevet adták – röviden D2NN.

A rendszer elkészítéséhez a csapat egy 3D nyomtató segítségével műanyag lemezeket nyomtatott. Mindegyik lemez egy-egy virtuális neuronrétegnek felel meg, melyek biológiai megfelelőikhez hasonlóan képesek továbbítani vagy visszaverni az őket ért fényt.

A rendszer működését bemutató példában a kutatók egy öt lemezből álló rendszert hoztak létre, amiket egymással szemben helyeztek el, úgy hogy csak egy kis távolság volt közöttük. A rendszer működése közben egy lézer fényét az első tálra irányították, ahonnan a második, majd a harmadik, negyedik és végül az ötödik tányérig is eljutott, mindezt oly módon, hogy a rendszer ezzel képes volt információkat nyerni egy tárgyról, ami a fény útjába kerül. A berendezés végén egy szenzor kap helyez, ami képes értelmezni a beérkező fényt.

Hogy leteszteljék ötletüket, a kutatók ténylegesen felépítették a rendszert, és azt arra használták, hogy a kijelzőn megjelenített, nulla és kilenc közötti számokat felismerje. A rendszerbe 55 000 példa képet tápláltak be, amit általánosan számfelismerő neurális hálózatok képzésére szoktak használni. Ehhez a tanulási lépéshez még szükség volt elektromosságra, mivel az eredményeket egy számítógép közölte a rendszerrel. Az ezt követő szakaszban viszont a rendszer már képes volt önállóan üzemelni és az eredmények szerint megközelítőleg 95 százalékos hatásfokot ért el a számok felismerésében.

A kutatók szerint a rendszer még csak az elmélet működését igazolja csupán, azonban elmondásuk szerint a fény használata miatt ez a fajta megoldás lényegesen gyorsabb lehet, mint más, jelenleg használt, hagyományos rendszerek. Ez többek között olyan területeket érinthet igazán, mint például az arcfelismerés.

Forrás: science.sciencemag.org

Megosztás

Legutóbbi tartalom

A majmok gondolkodása rugalmasabb lehet mint az embereké

A Georgia Állami Egyetem új kutatása szerint, amikor arról van szó, hogy új hatékonyabb megoldásokat keresünk egy probléma megoldására, akkor…

2019-11-16

Sikeres volt az első szupravezető szélturbina tesztje

Sikerrel zárult az első szupravezető rotorral ellátott szélturbina tesztje. A 3,6 megawattos előállítására képes turbinát az EcoSwing tervezte és gyártotta…

2019-11-16

Megfejtették a fotoszintézist irányító fehérje szerkezetének titkát

A kutatóknak sikerült megfejteniük a fotoszintézisben kulcsfontosságú szerepet betöltő egyik vegyület felépítését. Szakértők szerint ezzel megnyílhat a lehetőség a folyamat…

2019-11-16

Már ereket is sikerült nyomtatni a mesterséges bőrbe

A Rensselaer Politechnikai Egyetem kutatói kifejlesztettek egy módszert, amivel lehetségessé válik a teljesen élő bőr 3D nyomtatása véredényekkel kiegészítve. A…

2019-11-08

A kávé a felére csökkentheti a májrák kialakulásának kockázatát

A Queen's University tudósai felfedezték, hogy a kávét fogyasztók körében lényegesen alacsonyabb a májrák leggyakoribb fajtájában (HCC) szenvedők száma. A…

2019-11-08

Mágneses mezővel szétválasztható ragasztót fejlesztettek ki

A Sussex Egyetem kutatói kifejlesztettek egy ragasztót, aminek ragadását a mágneses mező segítségével meg lehet szüntetni. A csapat szerint így…

2019-11-07

Ez a weboldal cookie-kat használ.

Elolvasom