Calcul optique pour la classification d’objets à travers des milieux aléatoires diffusifs

Calcul optique pour la classification d'objets à travers des milieux aléatoires diffusifs

Le réseau neuronal diffractif à large bande à pixel unique classe les chiffres manuscrits à travers des diffuseurs aléatoires inconnus. Un réseau optique diffractif à pixel unique à large bande cartographie les informations spatiales des objets d’entrée derrière un diffuseur aléatoire inconnu dans le spectre de puissance à l’ouverture du pixel de sortie. Les scores de classe spectrale révèlent le type d’objet d’entrée derrière le diffuseur aléatoire. Crédit : Ozcan Lab @ UCLA.

La reconnaissance d’objets par le biais de médias de diffusion aléatoires a été une tâche importante mais difficile dans de nombreux domaines, tels que l’imagerie biomédicale, l’océanographie, la sécurité, la robotique et la conduite autonome. De nombreuses solutions informatiques ont été développées pour résoudre ce problème. Cependant, tous ces éléments nécessitent un calcul numérique à grande échelle et consomment des quantités importantes d’énergie, tout en manquant encore de généralisation à de nouveaux diffuseurs aléatoires jamais utilisés dans la phase d’apprentissage.

Des chercheurs de l’UCLA ont récemment développé une méthode tout optique qui permet de classer des objets à travers des diffuseurs aléatoires inconnus en utilisant des réseaux de neurones profonds diffractifs (D2NN). D2Les NN forment une plate-forme informatique optique en espace libre qui a suscité un intérêt croissant pour la recherche ces dernières années.

D2Les NN calculent une tâche donnée en modulant la diffraction de la lumière à travers une série de surfaces spatialement structurées, formant collectivement un ordinateur tout optique pouvant fonctionner à la vitesse de la lumière. Un tel cadre de calcul tout optique présente les avantages d’une vitesse élevée, du parallélisme et d’une faible consommation d’énergie et pourrait être utile dans de nombreuses tâches informatiques, telles que la classification d’objets, l’imagerie de phase quantitative, la microscopie, les transformations linéaires universelles, etc.

Publié dans Lumière : science et applicationsce document de recherche, intitulé “Classification d’images tout optique par des diffuseurs aléatoires inconnus à l’aide d’un réseau diffractif à un seul pixel”, a présenté une nouvelle méthode qui utilise des réseaux diffractifs à large bande pour classer directement des objets inconnus à travers des diffuseurs inconnus et aléatoires à l’aide d’un réseau spectral à un seul pixel. détecteur.

Cette architecture de réseau diffractif à large bande utilise 20 longueurs d’onde discrètes pour mapper un objet déformé par le diffuseur en une signature spectrale détectée à travers un seul pixel. Au cours de la formation, de nombreux diffuseurs de phase générés aléatoirement ont été utilisés pour aider à la performance de généralisation du réseau optique diffractif. Après le processus de formation basé sur l’apprentissage en profondeur, qui est un effort ponctuel, les couches diffractives résultantes peuvent être physiquement fabriquées pour former un réseau à un seul pixel qui classe les objets complètement cachés par de nouveaux diffuseurs aléatoires inconnus jamais vus pendant la formation.

Dans leurs simulations, ce réseau diffractif à large bande à un seul pixel a reconnu avec succès des chiffres manuscrits grâce à des diffuseurs de phase inconnus sélectionnés au hasard avec une précision de test à l’aveugle de 87,74 %. De plus, les chercheurs ont démontré expérimentalement la faisabilité de ce classificateur à large bande à pixel unique en utilisant un réseau diffractif imprimé en 3D et un système de spectroscopie térahertz dans le domaine temporel. Ce cadre de calcul optique peut être mis à l’échelle par rapport à la longueur d’onde d’éclairage pour fonctionner à n’importe quelle partie du spectre électromagnétique sans reconcevoir ou recycler ses couches.

La recherche a été dirigée par le Dr Aydogan Ozcan, professeur du chancelier et titulaire de la chaire Volgenau pour l’innovation en ingénierie à l’UCLA et professeur HHMI au Howard Hughes Medical Institute. “Ce travail constitue la première démonstration de la classification tout optique des objets à travers des diffuseurs aléatoires qui se généralise à de nouveaux diffuseurs inconnus”, a déclaré le Dr Ozcan, “et nous pensons que cette recherche aura un impact sur le développement plus rapide, plus efficace et évolutif technologies de classification d’objets/images par le biais de médias diffusifs aléatoires, qui pourraient bénéficier à un large éventail de domaines, des soins de santé et de la biomédecine aux télécommunications et à l’aérospatiale.

Plus d’information:
Bijie Baiet al, “Classification d’images tout optique à travers des diffuseurs aléatoires inconnus utilisant un réseau diffractif à un seul pixel,” Lumière : science et applications (2023). DOI : 10.1038/s41377-023-01116-3. www.nature.com/articles/s41377-023-01116-3

Fourni par UCLA Engineering Institute for Technology Advancement

Citation: Optical computing for object classification through diffusive random media (2023, March 13) récupéré le 13 mars 2023 sur https://techxplore.com/news/2023-03-optical-classification-diffusive-random-media.html

Ce document est soumis au droit d’auteur. En dehors de toute utilisation loyale à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.

Laisser un commentaire