Elaborazione 1000 Volte Più Veloce: Rilevatore Innovativo per Reti Neurali Ottiche su Larga Scala
Elaborazione 1000 Volte Più Veloce: Rilevatore Innovativo per Reti Neurali Ottiche su Larga Scala
Un team di ricercatori ha sfruttato un SNPD (Surface Normal Nonlinear Photodetector) per potenziare la velocità e l’efficienza delle reti neurali ottiche, evidenziando un potenziale incremento di 1000 volte nelle velocità di elaborazione rispetto ai tradizionali sensori di telecamere. Questo progresso segna l’inizio di una nuova era per i sistemi di visione guidati dall’intelligenza artificiale.
• Elaborazione 1000 Volte Più Veloce: Rilevatore Innovativo per Reti Neurali Ottiche su Larga Scala
• Reti neurali ottiche diffrattive più veloci ed efficienti dal punto di vista energetico
• Il ruolo dell’intelligenza artificiale
• Elaborazione tradizionale vs. Reti neurali ottiche
• Vantaggi delle ONN diffrattive a spazio libero
Reti neurali ottiche diffrattive più veloci ed efficienti dal punto di vista energetico
Per la prima volta, i ricercatori hanno sfruttato la potenza di un fotodetettore non lineare normale alla superficie (SNPD) per migliorare la velocità e l’efficienza energetica di una rete neurale ottica diffrattiva (ONN). Questo dispositivo innovativo apre la strada allo sviluppo di ONN su larga scala, in grado di eseguire elaborazioni ad alta velocità alla velocità della luce in modo estremamente efficiente dal punto di vista energetico.
Presentazione della ricerca
Farshid Ashtiani di Nokia Bell Labs presenterà questa ricerca al Frontiers in Optics + Laser Science (FiO LS), che si terrà dal 9 al 12 ottobre 2023, presso il Greater Tacoma Convention Center a Tacoma (Greater Seattle Area), Washington.
Il ruolo dell’intelligenza artificiale
“L’intelligenza artificiale (AI) sta svolgendo ruoli sempre più importanti nelle nostre vite. Dai grandi modelli di linguaggio alle auto autonome, vediamo miglioramenti significativi resi possibili dall’AI”, spiega Ashtiani. ”Le reti neurali, ispirate al modo in cui il cervello umano apprende e svolge vari compiti, sono al centro del progresso nell’AI. Una delle applicazioni più diffuse delle reti neurali è il riconoscimento di modelli e oggetti, che dà la visione alle macchine. Ad esempio, ogni auto autonoma, o anche semi-autonoma, deve comprendere il suo ambiente essendo in grado di vedere le cose.”
Elaborazione tradizionale vs. Reti neurali ottiche
“Convenzionalmente, le immagini vengono scattate da telecamere, convertite in segnali elettrici e elaborate utilizzando processori elettronici come CPU o GPU per il riconoscimento degli oggetti”, ha detto Mohamad Hossein Idjadi, Nokia Bell Labs.
“Tuttavia, poiché le immagini sono originariamente nel dominio ottico (cioè, luce), può essere più veloce e più efficiente dal punto di vista energetico elaborarle otticamente utilizzando ONN. Tra le diverse tecnologie, le ONN basate su modulatori di luce spaziali consentono l’elaborazione ottica di immagini e video ad alta risoluzione. Questa elaborazione richiede moduli non lineari e i sensori di telecamere vengono convenzionalmente utilizzati per introdurre questa necessaria non linearità, che richiede diversi millisecondi.
“Il nostro nuovo dispositivo di rilevamento rende questa elaborazione non lineare 1000 volte più veloce e più efficiente dal punto di vista energetico rispetto a tali telecamere. Questo è fondamentale per la prossima generazione di sistemi di visione di macchine poiché tutti abbiamo bisogno di dispositivi intelligenti ancora più veloci che non consumano molta energia.”
Vantaggi delle ONN diffrattive a spazio libero
Le ONN diffrattive a spazio libero utilizzano modulatori di luce spaziali e sono particolarmente promettenti per la creazione delle reti di neuroni su larga scala necessarie per l’elaborazione di immagini e video. Tuttavia, la velocità e l’efficienza energetica di questo tipo di ONN sono solitamente limitate dal sensore di immagine utilizzato per implementare la funzione di attivazione non lineare che implementa più strati di neuroni per creare una rete neurale profonda.
Nel nuovo lavoro, i ricercatori hanno proposto l’uso di un SNPD, che avevano precedentemente dimostrato come un modulatore elettro-ottico ad alta velocità, nelle ONN diffrattive ad alta risoluzione. I test hanno mostrato che l’SNPD aveva una larghezza di banda di 3 dB di 61 kHz corrispondente a meno di 6 microsecondi, circa 1000 volte più veloce del tempo di risposta tipico dei sensori di telecamere convenzionalmente utilizzati in tali ONN. Il sensore consuma anche solo circa 10 nW/pixel, che è tre ordini di grandezza più efficiente di una telecamera tipica.
Per valutare l’efficacia del sensore all’interno di un ONN, i ricercatori hanno inserito immagini nel layer di convoluzione, il principale blocco di costruzione della rete neurale. Il layer di convoluzione aveva 32 kernel paralleli 3 × 3 con un passo di uno e utilizzava la risposta SNPD effettivamente misurata come sua funzione di attivazione invece della funzione di attivazione lineare rettificata standard. Con questa configurazione di simulazione, la rete ha raggiunto una precisione di classificazione del test di circa il 97%, che è la stessa performance ottenuta utilizzando una funzione di attivazione lineare rettificata ideale nella stessa rete.
La ricerca dimostra il potenziale dell’uso di un SNPD nelle ONN diffrattive a spazio libero. Il fatto che il rilevatore sia tre ordini di grandezza più veloce e più efficiente di una telecamera lo rende un candidato promettente per l’uso in configurazioni di ONN a spazio libero su larga scala.