El avance de la red de difracción potencia la computación óptica

Las redes neuronales modernas dependen en gran medida de operaciones lineales, como la multiplicación de vectores de matrices y la convolución. Aunque existen procesadores dedicados como GPU y TPU para estas operaciones, adolecen de limitaciones en términos de consumo de energía y ancho de banda. La óptica es más adecuada para este tipo de operaciones debido a su paralelismo inherente, gran ancho de banda y velocidad de cálculo.

Redes neuronales profundas agnósticas (D²Las NN, también conocidas como redes neutrales, constituyen una arquitectura informática óptica emergente. Estas cuadrículas específicas de la misión están construidas con superficies delgadas con patrones espaciales y pueden realizar pasivamente tareas computacionales a la velocidad de la propagación de la luz a través de un volumen ultradelgado. Las características espaciales de estas superficies tóricas se aprenden mediante un proceso de diseño único y luego se fabrican las superficies optimizadas para crear los dispositivos físicos de la red óptica tórica.

a Publicación reciente en Advanced Photonics Nexus Por un equipo liderado Edogan Ozcan, profesor de Chancellor y catedrático Volgenau de Innovación en Ingeniería en UCLA, presenta un método para realizar operaciones lineales de valores complejos con rejillas tóricas bajo iluminación espacialmente incoherente. Investigaciones anteriores realizadas por el mismo grupo han demostrado que las rejillas difractivas con suficientes grados de libertad pueden realizar transformaciones lineales arbitrarias de valores complejos con luz espacialmente coherente. Sin embargo, bajo luz espacialmente incoherente, estas redes pueden realizar transformaciones lineales arbitrarias de la intensidad de entrada óptica si los elementos de la matriz que definen la transformación son reales y no negativos. A medida que las fuentes de luz espacialmente incoherentes se vuelven más comunes y de más fácil acceso, existe una creciente necesidad de procesadores de difracción espacialmente incoherentes para manejar datos más allá de los valores no negativos.

Al combinar pasos de preprocesamiento y posprocesamiento para representar números complejos mediante un conjunto de números reales no negativos, los investigadores de UCLA han ampliado el poder de procesamiento de redes neutrales espacialmente incoherentes al dominio de los números complejos. Demostraron que estos procesadores difractivos incoherentes pueden diseñarse para realizar una transformación lineal aleatoria de valores complejos con un error insignificante si hay un número suficiente de características de fase optimizables dentro del diseño difractivo, que debe escalarse con las dimensiones de los vectores complejos de entrada y salida. espacios.

Los investigadores demostraron la aplicación práctica de su nuevo esquema codificando y decodificando imágenes de valores complejos utilizando rejillas de difracción espacialmente incoherentes. Más allá de codificar imágenes visuales, estos procesadores tienen aplicaciones potenciales en diversos campos, como en vehículos autónomos para el procesamiento ultrarrápido y de bajo consumo de escenas naturales. La adaptabilidad de los procesadores agnósticos espacialmente incoherentes para manejar datos más allá de valores no negativos los hace valiosos en diversos escenarios.

Para obtener más detalles, consulte el artículo original Gold Open Access de Xilin Yang, MD Sadman Sakib Rahman, Bijie Bai, Jingxi Li y Aydogan Ozcan, “Transformaciones lineales globales de valores complejos y codificación de imágenes utilizando rejillas de difracción espacialmente incoherentes«, «Abogado Fotón. Nexus 3(1) 016010 (2024), doi 10.1117/1.APN.3.1.016010.