Un réseau neuronal diffractif qui peut être programmé de manière flexible

Un réseau neuronal diffractif qui peut être programmé de manière flexible

Une plate-forme D2NN reprogrammable. a, Un réseau de métasurfaces programmables est utilisé pour construire le PAIM, dans lequel plusieurs FGPA sont installés pour contrôler le facteur de gain de chaque neurone artificiel, faisant de PAIM une machine intelligente en temps réel et ré-entraînable. b, Schéma de principe du PAIM. Un neurone artificiel dans la couche d’apprentissage recevra les ondes émises par tous les neurones artificiels de la première couche, faisant de la structure PAIM un réseau entièrement connecté. Le coefficient de transmission de chaque neurone artificiel peut être entraîné en utilisant des méthodes d’apprentissage supervisé/non supervisé ou même d’apprentissage par renforcement pour réaliser diverses fonctions. La première couche agit comme couche d’entrée en utilisant des coefficients de transmission prédéfinis pour coder les informations d’entrée dans la distribution spatiale de l’énergie EM. Crédit : Liu et al.

Au cours des dernières décennies, les algorithmes d’apprentissage automatique et d’apprentissage en profondeur sont devenus de plus en plus avancés, à tel point qu’ils sont maintenant introduits dans une variété de contextes réels. Ces dernières années, certains informaticiens et ingénieurs en électronique ont exploré le développement d’un type alternatif d’outils d’intelligence artificielle (IA), connus sous le nom de réseaux de neurones optiques diffractifs.

Les réseaux de neurones optiques diffractifs sont des réseaux de neurones profonds basés sur la technologie optique diffractive (c’est-à-dire des lentilles ou d’autres composants qui peuvent modifier la phase de la lumière se propageant à travers eux). Bien qu’il ait été constaté que ces réseaux atteignent des vitesses de calcul ultra-rapides et des rendements énergétiques élevés, ils sont généralement très difficiles à programmer et à adapter à différents cas d’utilisation.

Des chercheurs de l’Université du Sud-Est, de l’Université de Pékin et du Laboratoire de Pazhou en Chine ont récemment développé un réseau neuronal profond diffractif qui peut être facilement programmé pour accomplir différentes tâches. Leur réseau, présenté dans un article publié dans Électronique naturelleest basé sur un réseau de métasurface flexible et multicouche.

“Notre espoir était de réaliser un réseau neuronal diffractif dans lequel chaque unité peut être programmée indépendamment et de manière flexible”, a déclaré Tie Jun Cui, l’un des chercheurs qui a mené l’étude, à TechXplore. “En nous inspirant de nos recherches passées sur les métasurfaces programmables numériques, les métasurfaces d’information et notre expérience en matière de régulation électromagnétique, nous avons créé une machine à réseau neuronal diffractif programmable en construisant des métasurfaces transmissives programmables multicouches, que nous avons nommées machine à intelligence artificielle programmable (PAIM).”

Le réseau de neurones diffractifs des chercheurs effectue des calculs qui ressemblent étroitement à ceux effectués par les réseaux de neurones diffractifs optiques. Plus précisément, leur réseau effectue des opérations de réseau matriciel lorsque les ondes électromagnétiques se propagent à travers ses métasurfaces multicouches, qui ressemblent aux calculs de vitesse de la lumière effectués par les réseaux optiques diffractifs.

“La percée clé de notre travail est que chaque neurone est indépendamment reprogrammable”, a expliqué Cui. “Par conséquent, l’ensemble du réseau neuronal peut être formé et programmé sur site et peut également être formé de manière répétée en fonction des différentes exigences de la tâche. Nous concevons une unité de métasurface (neurone) avec des coefficients de transmission reprogrammables qui intègre une puce d’amplificateur de puissance.”

Un réseau neuronal diffractif qui peut être programmé de manière flexible

Système de télécommunication spatio-temporel avec et sans la partie décodage de PAIM. a, Le système de télécommunication spatio-temporel avec la partie décodage du PAIM. La première couche du PAIM agit comme un émetteur, rayonnant des ondes EM spatio-temporelles à 5,5 GHz. Les quatre couches restantes du PAIM sont formées en tant que processeur de débruitage et de décodage situé dans le canal de transmission. L’environnement EM est pollué par un routeur Wi-Fi 5G commercial. Cependant, avec l’aide du décodeur PAIM, le taux d’erreur de transmission diminue à 0,52 % sans délai supplémentaire pour le prétraitement du signal. b, La distribution d’énergie sur le plan de réception lorsque le code 3 et le code 4 sont transmis dans l’espace libre sans la partie décodage du PAIM. c, La distribution d’énergie sur le plan de réception lorsque les quatre codes sont transmis dans l’espace libre sans les parties de décodage du PAIM. d, Le système de télécommunication spatio-temporel sans la partie décodage du PAIM. La première couche du PAIM agit comme un émetteur, rayonnant des ondes EM spatio-temporelles (selon quatre codes d’utilisateur) à 5,5 GHz, qui atteignent le récepteur par propagation en espace libre. L’environnement EM est encrassé par un routeur Wi-Fi 5G commercial, provoquant un taux d’erreur de transmission élevé (49,02%) lors de la transmission d’une image binaire de l’emblème de notre laboratoire. Crédit : Liu et al.

Chaque amplificateur du réseau des chercheurs peut être contrôlé numériquement via un réseau de portes programmables sur le terrain (FPGA). Les FPGA sont des systèmes qui contiennent un tableau de différents blocs ou unités logiques programmables. Dans le système créé par Cui et ses collègues, chaque unité individuelle peut être contrôlée indépendamment, ce qui permet aux ingénieurs de programmer l’ensemble du réseau neuronal et de lui permettre de bien fonctionner dans des tâches spécifiques.

“Le point culminant de notre étude a été la réalisation d’un réseau neuronal diffractif programmable de manière pratique et efficace”, a déclaré Cui. “Dans le passé, les réseaux de neurones profonds à diffraction optique étaient principalement composés de supports optiques tels que le dioxyde de silicium, qui étaient des matériaux non réglables. Par conséquent, ce type de réseau de neurones optiques doit être formé à l’aide d’un ordinateur, et la finale la distribution du réseau est obtenue avant le traitement.”

La plupart des réseaux de neurones optiques diffractifs précédemment développés sont restés fixes une fois qu’ils sont entraînés. En conséquence, ils ne peuvent effectuer qu’un nombre défini de tâches, celles pour lesquelles ils ont été formés à l’origine. En revanche, comme il est basé sur des métasurfaces numériques, le réseau créé par Cui et ses collègues peut être programmé pour accomplir différentes tâches.

“Les métasurfaces programmables peuvent contrôler les ondes électromagnétiques avec une architecture simple, à faible coût et à haute efficacité, ce qui est un choix potentiel pour la construction de réseaux de neurones programmables”, a ajouté Cui. “Notre PAIM peut également moduler directement les ondes électromagnétiques en espace libre à la vitesse de la lumière, qui est une unité potentielle de traitement du signal à faible latence utilisée pour les communications sans fil 5G et 6G.”

Lors des premières évaluations, le réseau neuronal diffractif introduit par cette équipe de chercheurs a obtenu des résultats très prometteurs, car il s’est avéré très flexible et applicable dans un large éventail de scénarios. À l’avenir, il pourrait ainsi être utilisé pour résoudre une variété de problèmes du monde réel, notamment la classification d’images, la détection d’ondes et le codage/décodage de communication sans fil. Pendant ce temps, Cui et ses collègues travailleront à améliorer encore ses performances.

“Le prototype mis en œuvre dans ce travail est basé sur un réseau neuronal diffractif à 5 couches, chaque couche a 64 réseaux neuronaux programmables, et le nombre total de nœuds dans le réseau est relativement faible”, a ajouté Cui. “Dans le même temps, la bande de fréquence de fonctionnement de ce réseau est plus faible, ce qui entraîne une plus grande taille du réseau physique. Dans nos prochaines études, nous prévoyons d’augmenter encore l’échelle des neurones programmables du réseau, d’améliorer l’intégration du réseau , réduisez la taille et formez un ensemble d’ordinateurs intelligents avec une puissance de calcul plus forte et plus pratique pour la détection et les communications.”


Le réseau neuronal diffractif tout optique comble l’écart de performance avec les réseaux neuronaux électroniques


Plus d’information:
Che Liu et al, Un réseau neuronal profond diffractif programmable basé sur un réseau de métasurface à codage numérique, Électronique naturelle (2022). DOI : 10.1038 / s41928-022-00719-9

© 2022 Réseau Science X

Citation: Un réseau neuronal diffractif qui peut être programmé de manière flexible (2022, 24 mars) récupéré le 24 mars 2022 sur https://techxplore.com/news/2022-03-diffractive-neural-network-flexibly.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.