日常生活中的许多设备使用计算机化的摄像机来识别对象 - 想到可以在存入支票或互联网搜索引擎时可以“读取”手写美元金额的自动柜员机器,或者可以将照片匹配到其数据库中的其他类似图像。但这些系统依赖于一块设备来映像对象,首先通过“看到”它与相机或光学传感器,然后将其所看到的数据处理到数据中,最后使用计算程序弄清楚它是什么。

由一系列聚合物层组成的网络,使用穿过它的光。每层是8厘米的正方形。(ozcan研究小组/ ucla)

研究人员创造了一个物理人工神经网络 - 一种模型,用于如何如何分析大量数据并以实际光速识别对象。被称为衍射深神经网络,它使用来自对象本身的光线击打,以识别该对象,只要需要计算机即可“看到”对象。该设备不需要高级计算程序来处理对象的图像并决定对象在其光学传感器拾取后的内容。没有消耗能量来运行设备,因为它只使用光的衍射。

基于设备的新技术可用于加快涉及排序和识别对象的数据密集型任务;例如,使用该技术的无人驾驶汽车可能会瞬时反应 - 甚至比使用当前技术的速度更快 - 到停止标志。使用基于系统的设备,汽车将“读取”标志,只要来自标志的光点击它,而不是必要等待汽车的相机以映像对象,然后使用其计算机来弄清楚对象是。基于本发明的技术也可用于微观成像和药物,例如,根据数百万个细胞进行疾病的迹象。可以缩放它以实现新的摄像机设计和独特的光学组件,可在医疗技术,机器人,安全性或任何应用程序中被动地工作,其中图像和视频数据是必不可少的。

光学神经网络的示意图。数字“5”作为光信号发送通过由人工神经元组成的层。当它传播层次时,这种光线会反弹,但是当它出口时,探测器只能拾取最亮的信号,仅查找“5”。(ozcan研究小组/ ucla)

创建人工神经网络的过程开始使用计算机模拟设计。然后,研究人员使用3D打印机来创建非常薄的8厘米方形的聚合物晶片。每个晶片具有不均匀的表面,有助于衍射来自不同方向的物体的光。这些层看起来不透明,但实验中使用的亚瑟波长太赫兹频率可以穿过它们。每层由成千上万的人工神经元组成;在这种情况下,光线传播的微小像素。

一系列像素化层用作“光网络”,其形状如何通过它们传播物体传入的光线。网络识别对象,因为来自对象的光大多朝向分配给该类型对象的单个像素衍射。然后,研究人员使用计算机训练网络来识别它前面的物体,通过学习衍射光的图案,每个物体产生从该物体通过装置的光产生。“培训”使用了一个人工智能的分支,称为深度学习,通过重复而随着时间的推移,通过重复和随着时间的推移,从中“学习”。

该设备可以准确地识别手写数量和衣服物品 - 这两者都是人工智能研究中的常用测试。为此,将图像放置在太赫兹光源的前面,并且设备可以通过光学衍射“参见”这些图像。

因为它的组件可以由3D打印机创建,所以人工神经网络可以用更大和额外的层制造,导致具有数百百万的人造神经元的装置。这些更大的设备可以同时识别更多对象或执行更复杂的数据分析。并且可以廉价制造组件 - 可以再现的设备少于50美元。

有关更多信息,请联系Amy Akmal此电子邮件地址受到垃圾邮件程序的保护。您需要启用Javascript来查看它。;310-429-8689。


yabovip16.com技术简报杂志

本文首先出现在2019年2月问题上yabovip16.com杂志。

阅读此问题的更多文章这里

阅读档案中的更多文章这里