光学和光子学

纳米光子结构可实现人工视觉

字号+ 作者:admin 来源:小丑鱼-分享科普知识 2019-11-21 16:17

仅由玻璃和气泡组成的简单,被动的光子结构可以执行人工神经计算,用于面部识别等领域。新的概念验证设备消耗的能量非常少,并且由于它通过扭曲光波来区分不同的图像,因此它的工作速度也非常快。 人工神经网络(ANN)模拟人脑,其中包括通过突触连接在网络中的神经元。当提供许多如何完成任务

  仅由玻璃和气泡组成的简单,被动的光子结构可以执行人工神经计算,用于面部识别等领域。新的概念验证设备消耗的能量非常少,并且由于它通过扭曲光波来区分不同的图像,因此它的工作速度也非常快。

  人工神经网络(ANN)模拟人脑,其中包括通过突触连接在网络中的神经元。当提供许多如何完成任务的示例时,他们非常善于学习如何执行任务。

  尽管人工神经网络可以在许多应用中使用,但不幸的是,它们确实需要大量的计算能力。因此,研究人员正在寻找能效更高的替代计算方法。一种有前途的方法是光学神经计算,这是一种模拟计算技术,几乎不需要消耗任何能量,而且运算速度非常快。

  迄今为止,大多数光学神经计算处理器都基于与数字ANN相同的架构,并且包含通过衍射设备或集成波导连接的分层信号反馈网络。就像数字ANN中的信号一样,光学神经计算中的信号仅在向前方向上通过光网络一次,因此可以避免或忽略向后传播的反射光。但是,正是这种反射使研究人员能够将光学设备小型化,例如激光腔,光子晶体,超材料和超紧凑型分束器。

纳米光子结构可实现人工视觉

  通过领导的研究小组总府宇在的威斯康辛大学麦迪逊分校因此决定利用这个光学反射太克服分层前馈网络的局限性,并更有效地人工神经计算设备。在其纳米光子神经介质(NNM)中,从要成像的对象发出的光从介质的左侧进入,然后聚焦到右侧不同光强度的特定点。然后可以分析这些斑点以重建物体的图像。

  Glass NNM区分数字

  NNM由包含许多亚波长尺寸夹杂物的玻璃(SiO 2)制成。这些可以是气泡,也可以是折射率不同于玻璃的任何其他材料(例如,石墨烯),并且它们会在前后方向上强烈散射光。

  为了查看他们的玻璃杯能否识别不同的图像,研究人员对手写数字进行了测试,范围是0-9。从数字图像发出的光从玻璃的一端进入,然后输出波聚焦到另一侧的10个特定点。每个光斑在其各自的位置具有不同的光强度,并对应于各个数字。

  团队成员Erfan Khoram解释说:“我们发现,当手写的3变成8时,玻璃杯能够实时检测到。”

  完全被动的计算

  该计算完全是被动的并且是玻璃固有的,这意味着该材料可以使用数十万次。由于它通过扭曲光波来区分不同的图像,因此它也以光速工作。

  于说:“我们有可能将玻璃杯用作生物识别锁,调整后只能识别一个人的脸。” “一旦建成,它将永远持续使用而无需电源或互联网,这意味着即使经过数千年,它也可以为您保护某些东西。”

  研究人员在Photonics Research 10.1364 / PRJ.7.000823中报告了他们的工作,他们说,他们现在将研究其NNM与数字神经网络的不同特征。“与不同层大小的网络深度相比,我们将研究介质的形状和大小,” Khoram告诉《物理世界》,“以及不同类型的光子如何非线性地影响神经介质的性能。”

  “这项技术的真正力量在于它能够在不消耗任何能量的情况下立即处理更复杂的分类任务,” 哥伦比亚大学的研究人员Ming Yuan说。“这些任务是创建人工智能的关键:教无人驾驶汽车识别交通信号,在消费类设备中启用语音控制,以及众多其他示例。”

  他补充说,与人类的视觉不同,智能玻璃可以在特定的应用中表现出色–例如,一块玻璃可以识别数字,另一块玻璃可以识别字母,另一块玻璃可以识别面部,等等。

  于说:“我们一直在思考我们如何为未来的机器提供愿景,并想象应用程序专用的,任务驱动的技术。” “这几乎改变了我们设计机器视觉的方式。”

转载请注明出处。

1.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源;2.本站的原创文章,请转载时务必注明文章作者和来源,不尊重原创的行为我们将追究责任;3.作者投稿可能会经我们编辑修改或补充。转载请注明seohttp://www.swlxs.com