母音を認識するように教えられたフォトニックニューラルネットワーク

ビデオ: 母音を認識するように教えられたフォトニックニューラルネットワーク

ビデオ: [Zoom] ために vs ようにN3 Grammar 2022, 12月
母音を認識するように教えられたフォトニックニューラルネットワーク
母音を認識するように教えられたフォトニックニューラルネットワーク
Anonim
Image
Image

アーティストが見たフォトンチップ

マサチューセッツ工科大学、シャーブルック大学、エレニオン校の物理学者は、深層学習アルゴリズム用に設計されたフォトニックチップを開発しました。著者によると、フォトニックコンピュータは、電子コンピュータよりもはるかに高速にいくつかの問題を解決できます。たとえば、行列の乗算に関する問題です。これらのタスクは、ニューラルネットワークの深層学習で発生することが多く、計算が最も複雑になります。科学者たちは、母音を認識するようにニューラルネットワークをトレーニングすることで、ニューラルネットワークの動作をテストしました。この研究はジャーナルNaturePhotonicsに掲載され、MITのプレスリリースで簡単に報告されました。

ニューラルネットワークは、最も急速に成長している情報処理方法の1つです。それらは複雑な構造であり、入力として情報を受け取り、それを何らかの方法で変換するニューロンの実際の生物学的システムをいくらか思い出させます。たとえば、文字の画像をニューラルネットワークへの入力に入力し、文字自体を出力することができます。重要なタスクはニューラルネットワークのトレーニングです。教師あり学習の場合、次の要素で構成されます。非常に多数のオブジェクトと応答のペアがコンピューターに提示され、ネットワークの人工ニューロンがパラメーターを調整して、オブジェクトがニューラルネットワークを通過した後に出力情報は、可能な限り正解に近いものです。

ディープラーニングはニューラルネットワークをトレーニングする方法の1つであり、ネットワークが複数の層で構成されていることを前提としています(数十の層が存在する可能性があります)。高レベルの抽象化でパターンを見つけることができるのはディープラーニングであると考えられています。ディープラーニングの課題の1つは、従来のコンピューターの計算が非常に複雑であることです。彼のアルゴリズムの操作には、複数の順次行列乗算が必要です。機械学習の詳細については、AI ABCの資料:機械学習をご覧ください。

新しい作品の著者は、深層学習に関連する計算に代替アプローチを採用するフォトニックチップを開発しました。従来の電子ベースのトランジスタロジックの代わりに、物理学者はフォトニックロジックの使用を提案しています。レンズで焦点を合わせるなど、光の一部の変換は計算と考えることができます。したがって、従来の眼鏡レンズの焦点面での画像の作成は、実際には光速で発生するライトフィールドのフーリエ変換の産物です。

Image
Image

ディープラーニングフォトニックチップ回路

フォトニックチップは相互接続された導波路のネットワークであり、これらの接続は変更するようにプログラムできます。著者によると、ほとんどすべての行列演算は、このようなシステムを使用して実装できます。さらに、従来のコンピューターよりも実行に必要なエネルギーと時間がはるかに少なくて済みます。デバイスの最終バージョンは、多数のレイヤーで構成されます。

作業のこの段階で、科学者はフォトニックチップに母音認識を実装しました。システムは、4つの異なる母音を認識するようにトレーニングされました。これまでのところ、従来のコンピューターの90%と比較して、77%の確率で正解が得られます。著者が指摘しているように、システムをスケーリングして精度を上げる方法に制限はありません。

認識に加えて、フォトニックニューラルネットワークを使用して、アナログ信号をリアルタイムで処理および変換できます。たとえば、光信号を処理するためにデジタルに変換してから、光に戻す必要はありません。

ディープラーニングを使用すると、さまざまな問題を解決できます。したがって、人の頭の中の文字の画像をデコードしたり、さまざまな芸術的なスタイルで絵を描き直したり、コンピューターにハリーポッターを読むように教えたりするために使用できます。ニューラルネットワークに基づく予測方法もあります-彼らの助けを借りて、科学者は量子ビット、量子コンピューターのビットのデコヒーレンスに対処することを学びました。

トピックによって人気があります

人気の投稿