Nauka  / Artykuł

Naukowcom udało się stworzyć optyczną sieć neuronową, która potrafi uczyć się na błędach

Minie jeszcze trochę czasu, zanim uda nam się okiełznać komputery kwantowe. Nie oznacza to jednak, że jesteśmy skazani na krzem. Istnieją jeszcze komputery fotoniczne, które są bardzo obiecującą platformą dla sieci neuronowych.

Udowadniają to ostatnie badania, przeprowadzone na Uniwersytecie Stanforda. Tamtejszym naukowcom, pod kierownictwem Shanhui Fana udało się zaprojektować neuronową sieć fotoniczną o ogromnych możliwościach.

Fotoniczna sieć neuronowa - jak to działa?

O możliwościach tego rodzaju sieci neuronowych mogliśmy przekonać się już w 2016 r., kiedy to na Uniwersytecie w Princeton powstał układ, w którym informacje przekazywane były za pomocą światła o różnych długościach fali. Jest to o wiele szybszy sposób na wymianę danych niż przesyłanie impulsów elektrycznych, ograniczonych do dwóch wartości: zera i jedynki. Nic więc dziwnego, że sieć neuronowa z Princeton była w stanie rozwiązywać równania różniczkowe 1960 razy szybciej niż tradycyjny, krzemowy procesor.

Komputery optyczne przez bardzo długi czas istniały jako teoretyczna koncepcja. Teraz jesteśmy w stanie je konstruować. Jedną z trudniejszych przeszkód były nowy rodzaj bramek logicznych. Fotony, które w układach fotonicznych zastępują impulsy elektryczne, w przypadku sieci zbudowanej na Uniwersytecie Stanforda kontrolowane są przez swojego rodzaju półprzezroczyste zwierciadła.

Układ, który potrafi się „uczyć”.

Z opisu eksperymentu, opublikowanego w czasopiśmie naukowym Optica wynika, że naukowcom ze Stanforda udało się nawet skonstruować optyczny odpowiednik układu, który w tradycyjnych sieciach neuronowych odpowiada za ich zdolność do uczenia się. Jest to tak naprawdę najważniejsza wiadomość. Oznacza bowiem, że skonstruowana przez nich fotoniczna sieć neuronowa została wyposażona w optyczny odpowiednik algorytmu wstecznej propagacji błędów (ang. backpropagation algorithm).

W skrócie: sieć neuronowa działająca w oparciu o układ optyczny potrafi uczyć się na własnych błędach. Jest to kluczowa umiejętność tego typu algorytmów. To właśnie dzięki niej są one w stanie poradzić sobie z takimi zadaniami, jak rozpoznawanie ludzkiej mowy, czy też sterowanie pojazdami autonomicznymi. Układy optyczne nie tylko wykonują wszystkie obliczenia potrzebne np. do kierowania pojazdem znacznie szybciej niż tradycyjny krzem. Oprócz tego zużywają też mniej energii i nie wymagają aż tak wydajnego chłodzenia. To bardzo znaczące zalety tego rodzaju układów.

Sieć opracowana przez Fana i jego zespół ma oczywiście charakter eksperymentalny i - jak twierdzą sami naukowcy - wymaga jeszcze wielu poprawek. Jednak sam fakt pomyślnej implementacji algorytmu wstecznej propagacji błędów daje nadzieję na to, że w niedalekiej przyszłości układy optyczne zaczną być stosowane komercyjnie. Osobiście nie mogę się doczekać.

przeczytaj następny tekst


przeczytaj następny tekst


przeczytaj następny tekst


przeczytaj następny tekst


przeczytaj następny tekst