UCLA研究人员创造了全光衍射深神经网络

使用3D打印机，UCLA Samueli工程学院的一支研究团队创造了一个人工神经网络，可以分析大量数据并以光速识别对象。该技术使用来自物体的光散射来识别它来识别衍射深度神经网络（D2NN）。该技术基于基于深度学习的被动衍射层的设计，其共同工作。该团队创建了一种计算机模拟的设计，然后使用3D打印机创建薄，8厘米-SQ聚合物晶片。每个晶片用不均匀的表面创建，以帮助衍射来自物体的光。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。由UCLA Samueli / Ozcan研究小组提供。研究人员使用了太赫兹（THz）频率来穿透3D印刷晶片。晶片的每层由灯可以行进的数万像素组成。每种类型的对象被分配一个像素;来自物体的光朝向已分配给该对象类型的像素衍射。这允许D2NN - 其中包括一系列像素化层 - 以在相同的时间中识别对象将需要计算机“查看”对象。研究人员培训了网络以了解衍射光的模式，每个物体作为从该物体通过该物体的光线产生的。培训使用了一个人工智能的分支，称为深度学习，其中机器通过重复和随着时间的推移来学习。 “这是直观的，就像玻璃和镜子的非常复杂的迷宫。光进入衍射网络并在迷宫周围反弹，直到它出口。 UCLA教授Aydogan Ozcan说，系统确定了对象的最终目标的位置。“在实验中，研究人员将图像放在THz光源前面。 D2NN通过光学衍射观察图像。研究人员发现，该设备可以准确地识别手写数量和衣服物品 - 这两者都常用于人工智能研究。示意图显示设备如何识别打印文本。由UCLA Samueli / Ozcan研究小组提供。研究人员还培训了该设备作为成像镜头 - 就像典型的相机镜头如何工作。因为它的组件可以由3D打印机创建，所以D2NN可以用较大和附加的层制成，导致具有数十亿人造神经元（即像素）的装置。这些更大的设备可以同时识别更多的对象和/或执行更复杂的数据分析。 D2NN的部件可以廉价地制造。研究人员表示，他们创建的设备可以再现不到50美元。虽然这项研究在THz频谱中使用了光线，但奥兹卡纳表示可以创建使用可见，IR或其他频率的神经网络。他说，也可以使用光刻或其他印刷技术进行D2NN。该团队认为其设备可以在全光图像分析，特征检测和对象分类中找到应用程序，并且还可以实现使用D2NN执行任务的新摄像机设计和光学组件。例如，使用该技术的无人驾驶汽车可能会立即对停止标志进行反应，因为它可以在收到从标志衍射的灯光后立即读取标志。该技术也可用于通过大量对象进行排序，例如数百万个细胞样品，用于寻找疾病的迹象。 “这项工作开辟了基本上新的机会来使用人工智能的被动装置即时分析数据，图像和分类对象，”Ozcan说。 “该光学人工神经网络设备直观地建模了大脑处理信息的信息。可以扩展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至关重要。“该研究发表于科学（DOI：10.1126 / Science.Aat8084）。