91欧美超碰AV自拍|国产成年人性爱视频免费看|亚洲 日韩 欧美一厂二区入|人人看人人爽人人操aV|丝袜美腿视频一区二区在线看|人人操人人爽人人爱|婷婷五月天超碰|97色色欧美亚州A√|另类A√无码精品一级av|欧美特级日韩特级

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線(xiàn)課程
  • 觀(guān)看技術(shù)視頻
  • 寫(xiě)文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

衍射光學(xué)神經(jīng)網(wǎng)絡(luò)可以滿(mǎn)足巨大的數(shù)據(jù)需求

led13535084363 ? 來(lái)源:光行天下 ? 2023-02-20 14:03 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

新研究發(fā)現(xiàn),一種使用光子而不是電子的模擬大腦的神經(jīng)網(wǎng)絡(luò),可以通過(guò)使用數(shù)千種波長(zhǎng)的光同時(shí)運(yùn)行許多計(jì)算,快速分析大量數(shù)據(jù)。

人工神經(jīng)網(wǎng)絡(luò)在分析醫(yī)學(xué)掃描和支持自動(dòng)駕駛汽車(chē)等應(yīng)用中的應(yīng)用越來(lái)越廣泛。在這些人工智能系統(tǒng)中,組件(也稱(chēng)為神經(jīng)元)被輸入數(shù)據(jù)并合作解決問(wèn)題,例如識(shí)別人臉。如果神經(jīng)網(wǎng)絡(luò)具有多層神經(jīng)元,則稱(chēng)其為“深層”。

隨著神經(jīng)網(wǎng)絡(luò)的規(guī)模和功率的增長(zhǎng),當(dāng)在傳統(tǒng)電子設(shè)備上運(yùn)行時(shí),它們?cè)絹?lái)越需要能量。這就是為什么一些科學(xué)家一直在研究光學(xué)計(jì)算作為一種有前途的下一代人工智能媒介。這種方法使用光而不是電來(lái)執(zhí)行計(jì)算,比電子計(jì)算方法更快,功耗更低。

例如,衍射光學(xué)神經(jīng)網(wǎng)絡(luò)由一堆層組成,每個(gè)層都有數(shù)千個(gè)像素,可以衍射或散射光。這些衍射特征充當(dāng)神經(jīng)網(wǎng)絡(luò)中的神經(jīng)元。深度學(xué)習(xí)用于設(shè)計(jì)每一層,因此當(dāng)以光的形式的輸入照射到堆棧上時(shí),輸出光對(duì)來(lái)自圖像分類(lèi)或圖像重建等復(fù)雜任務(wù)的數(shù)據(jù)進(jìn)行編碼。這項(xiàng)研究的資深作者、加州大學(xué)洛杉磯分校的光學(xué)工程師Aydogan Ozcan表示,所有這些計(jì)算“除了照明光之外,不消耗電力”。

這種衍射網(wǎng)絡(luò)可以以光速分析大量數(shù)據(jù),以執(zhí)行諸如識(shí)別物體的任務(wù)。例如,它們可以幫助自動(dòng)駕駛車(chē)輛立即識(shí)別行人或交通標(biāo)志,或者幫助醫(yī)療診斷系統(tǒng)快速識(shí)別疾病證據(jù)。傳統(tǒng)的電子設(shè)備需要首先對(duì)這些物體進(jìn)行成像,然后將這些信號(hào)轉(zhuǎn)換成數(shù)據(jù),最后運(yùn)行程序來(lái)確定這些物體是什么。相比之下,衍射網(wǎng)絡(luò)只需要接收從那些能夠識(shí)別物體的物體反射或以其他方式到達(dá)的光,因?yàn)閬?lái)自該物體的光大部分被衍射到分配給該類(lèi)物體的單個(gè)像素。

此前,Ozcan和他的同事使用一系列使用3D打印制造的64平方厘米薄聚合物晶片設(shè)計(jì)了單色衍射網(wǎng)絡(luò)。當(dāng)用單個(gè)波長(zhǎng)或顏色的光照射時(shí),該衍射網(wǎng)絡(luò)可以實(shí)現(xiàn)單個(gè)矩陣乘法運(yùn)算。這些計(jì)算涉及到將被稱(chēng)為矩陣的數(shù)字網(wǎng)格相乘,是許多計(jì)算任務(wù)的關(guān)鍵,包括操作神經(jīng)網(wǎng)絡(luò)。

現(xiàn)在,研究人員開(kāi)發(fā)了一種寬帶衍射光學(xué)處理器,它可以同時(shí)接受多個(gè)輸入波長(zhǎng)的光,進(jìn)行多達(dá)數(shù)千次“以光速同時(shí)執(zhí)行”的矩陣乘法運(yùn)算。

在這項(xiàng)新的研究中,科學(xué)家們3D打印了三個(gè)衍射層,每個(gè)衍射層具有14400個(gè)衍射特征。他們的實(shí)驗(yàn)表明,衍射網(wǎng)絡(luò)可以使用兩個(gè)亞毫米波長(zhǎng)的太赫茲頻率信道成功運(yùn)行。他們的計(jì)算機(jī)模型表明,這些衍射網(wǎng)絡(luò)可以同時(shí)接受大約2000個(gè)波長(zhǎng)信道。

Ozcan說(shuō):“我們通過(guò)采用波長(zhǎng)復(fù)用的方案,證明了大規(guī)模并行光學(xué)計(jì)算的可行性”。

科學(xué)家們指出,使用可見(jiàn)光和太赫茲以外的其他頻率的光構(gòu)建衍射網(wǎng)絡(luò)應(yīng)該是可能的。這種光學(xué)神經(jīng)網(wǎng)絡(luò)也可以由多種材料和技術(shù)制造。

總之,它們可能會(huì)在各個(gè)領(lǐng)域找到應(yīng)用,例如生物醫(yī)學(xué)成像、遙感、分析化學(xué)和材料科學(xué)。

審核編輯 :李倩

聲明:本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀(guān)點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 神經(jīng)網(wǎng)絡(luò)

    關(guān)注

    42

    文章

    4838

    瀏覽量

    107804
  • 人工智能
    +關(guān)注

    關(guān)注

    1817

    文章

    50098

    瀏覽量

    265436
  • 3D打印
    +關(guān)注

    關(guān)注

    28

    文章

    3638

    瀏覽量

    118063

原文標(biāo)題:衍射光學(xué)神經(jīng)網(wǎng)絡(luò)可以滿(mǎn)足巨大的數(shù)據(jù)需求

文章出處:【微信號(hào):光行天下,微信公眾號(hào):光行天下】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    神經(jīng)網(wǎng)絡(luò)的初步認(rèn)識(shí)

    日常生活中的智能應(yīng)用都離不開(kāi)深度學(xué)習(xí),而深度學(xué)習(xí)則依賴(lài)于神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)。什么是神經(jīng)網(wǎng)絡(luò)?神經(jīng)網(wǎng)絡(luò)的核心思想是模仿生物神經(jīng)系統(tǒng)的結(jié)構(gòu),特別是大腦中神經(jīng)
    的頭像 發(fā)表于 12-17 15:05 ?335次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的初步認(rèn)識(shí)

    自動(dòng)駕駛中常提的卷積神經(jīng)網(wǎng)絡(luò)是個(gè)啥?

    在自動(dòng)駕駛領(lǐng)域,經(jīng)常會(huì)聽(tīng)到卷積神經(jīng)網(wǎng)絡(luò)技術(shù)。卷積神經(jīng)網(wǎng)絡(luò),簡(jiǎn)稱(chēng)為CNN,是一種專(zhuān)門(mén)用來(lái)處理網(wǎng)格狀數(shù)據(jù)(比如圖像)的深度學(xué)習(xí)模型。CNN在圖像處理中尤其常見(jiàn),因?yàn)閳D像本身就可以看作是由像
    的頭像 發(fā)表于 11-19 18:15 ?2080次閱讀
    自動(dòng)駕駛中常提的卷積<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>是個(gè)啥?

    NMSIS神經(jīng)網(wǎng)絡(luò)庫(kù)使用介紹

    :   神經(jīng)網(wǎng)絡(luò)卷積函數(shù)   神經(jīng)網(wǎng)絡(luò)激活函數(shù)   全連接層函數(shù)   神經(jīng)網(wǎng)絡(luò)池化函數(shù)   Softmax 函數(shù)   神經(jīng)網(wǎng)絡(luò)支持功能   該庫(kù)具有用于操作不同權(quán)重和激活
    發(fā)表于 10-29 06:08

    構(gòu)建CNN網(wǎng)絡(luò)模型并優(yōu)化的一般化建議

    整個(gè)模型非常巨大。所以要想實(shí)現(xiàn)輕量級(jí)的CNN神經(jīng)網(wǎng)絡(luò)模型,首先應(yīng)該避免嘗試單層神經(jīng)網(wǎng)絡(luò)。 2)減少卷積核的大?。篊NN神經(jīng)網(wǎng)絡(luò)是通過(guò)權(quán)值共享的方式,利用卷積運(yùn)算從圖像中提取線(xiàn)性紋理。
    發(fā)表于 10-28 08:02

    在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗(yàn)

    模型。 我們使用MNIST數(shù)據(jù)集,訓(xùn)練一個(gè)卷積神經(jīng)網(wǎng)絡(luò)(CNN)模型,用于手寫(xiě)數(shù)字識(shí)別。一旦模型被訓(xùn)練并保存,就可以用于對(duì)新圖像進(jìn)行推理和預(yù)測(cè)。要使用生成的模型進(jìn)行推理,可以按照以下步
    發(fā)表于 10-22 07:03

    CICC2033神經(jīng)網(wǎng)絡(luò)部署相關(guān)操作

    在完成神經(jīng)網(wǎng)絡(luò)量化后,需要將神經(jīng)網(wǎng)絡(luò)部署到硬件加速器上。首先需要將所有權(quán)重數(shù)據(jù)以及輸入數(shù)據(jù)導(dǎo)入到存儲(chǔ)器內(nèi)。 在仿真環(huán)境下,可將其存于一個(gè)文件,并在 Verilog 代碼中通過(guò) read
    發(fā)表于 10-20 08:00

    液態(tài)神經(jīng)網(wǎng)絡(luò)(LNN):時(shí)間連續(xù)性與動(dòng)態(tài)適應(yīng)性的神經(jīng)網(wǎng)絡(luò)

    神經(jīng)元,但卻能產(chǎn)生復(fù)雜的行為。受此啟發(fā),與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)相比,LNN旨在通過(guò)模擬大腦中神經(jīng)元之間的動(dòng)態(tài)連接來(lái)處理信息,這種網(wǎng)絡(luò)能夠順序處理數(shù)據(jù)
    的頭像 發(fā)表于 09-28 10:03 ?1226次閱讀
    液態(tài)<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>(LNN):時(shí)間連續(xù)性與動(dòng)態(tài)適應(yīng)性的<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>

    神經(jīng)網(wǎng)絡(luò)的并行計(jì)算與加速技術(shù)

    問(wèn)題。因此,并行計(jì)算與加速技術(shù)在神經(jīng)網(wǎng)絡(luò)研究和應(yīng)用中變得至關(guān)重要,它們能夠顯著提升神經(jīng)網(wǎng)絡(luò)的性能和效率,滿(mǎn)足實(shí)際應(yīng)用中對(duì)快速響應(yīng)和大規(guī)模數(shù)據(jù)處理的
    的頭像 發(fā)表于 09-17 13:31 ?1130次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的并行計(jì)算與加速技術(shù)

    基于神經(jīng)網(wǎng)絡(luò)的數(shù)字預(yù)失真模型解決方案

    在基于神經(jīng)網(wǎng)絡(luò)的數(shù)字預(yù)失真(DPD)模型中,使用不同的激活函數(shù)對(duì)整個(gè)系統(tǒng)性能和能效有何影響?
    的頭像 發(fā)表于 08-29 14:01 ?3477次閱讀

    無(wú)刷電機(jī)小波神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)子位置檢測(cè)方法的研究

    摘要:論文通過(guò)對(duì)無(wú)刷電機(jī)數(shù)學(xué)模型的推導(dǎo),得出轉(zhuǎn)角:與三相相電壓之間存在映射關(guān)系,因此構(gòu)建了一個(gè)以三相相電壓為輸人,轉(zhuǎn)角為輸出的小波神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)轉(zhuǎn)角預(yù)測(cè),并采用改進(jìn)遺傳算法來(lái)訓(xùn)練網(wǎng)絡(luò)結(jié)構(gòu)與參數(shù),借助
    發(fā)表于 06-25 13:06

    神經(jīng)網(wǎng)絡(luò)專(zhuān)家系統(tǒng)在電機(jī)故障診斷中的應(yīng)用

    摘要:針對(duì)傳統(tǒng)專(zhuān)家系統(tǒng)不能進(jìn)行自學(xué)習(xí)、自適應(yīng)的問(wèn)題,本文提出了基于種經(jīng)網(wǎng)絡(luò)專(zhuān)家系統(tǒng)的并步電機(jī)故障診斷方法。本文將小波神經(jīng)網(wǎng)絡(luò)和專(zhuān)家系統(tǒng)相結(jié)合,充分發(fā)揮了二者故障診斷的優(yōu)點(diǎn),很大程度上降低了對(duì)電機(jī)
    發(fā)表于 06-16 22:09

    神經(jīng)網(wǎng)絡(luò)RAS在異步電機(jī)轉(zhuǎn)速估計(jì)中的仿真研究

    眾多方法中,由于其結(jié)構(gòu)簡(jiǎn)單,穩(wěn)定性好廣泛受到人們的重視,且已被用于產(chǎn)品開(kāi)發(fā)。但是MRAS仍存在在低速區(qū)速度估計(jì)精度下降和對(duì)電動(dòng)機(jī)參數(shù)變化非常敏感的問(wèn)題。本文利用神經(jīng)網(wǎng)絡(luò)的特點(diǎn),使估計(jì)更為簡(jiǎn)單、快速
    發(fā)表于 06-16 21:54

    基于FPGA搭建神經(jīng)網(wǎng)絡(luò)的步驟解析

    本文的目的是在一個(gè)神經(jīng)網(wǎng)絡(luò)已經(jīng)通過(guò)python或者M(jìn)ATLAB訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型,將訓(xùn)練好的模型的權(quán)重和偏置文件以TXT文件格式導(dǎo)出,然后通過(guò)python程序?qū)xt文件轉(zhuǎn)化為coe文件,(coe
    的頭像 發(fā)表于 06-03 15:51 ?1224次閱讀
    基于FPGA搭建<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的步驟解析

    光學(xué)實(shí)驗(yàn)教具應(yīng)用:?jiǎn)慰p衍射實(shí)驗(yàn)

    單縫衍射的現(xiàn)象是衍射光斑沿x軸(即縫寬的方向)分布,中央主極大的亮度最高,寬度最寬,越往兩側(cè)的光斑亮度越低。我們可以通過(guò)軟件仿真和實(shí)際光路搭建,來(lái)理解并查看單縫衍射實(shí)驗(yàn)的現(xiàn)象,實(shí)驗(yàn)教
    發(fā)表于 05-09 08:46

    NVIDIA實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)渲染技術(shù)的突破性增強(qiáng)功能

    近日,NVIDIA 宣布了 NVIDIA RTX 神經(jīng)網(wǎng)絡(luò)渲染技術(shù)的突破性增強(qiáng)功能。NVIDIA 與微軟合作,將在 4 月的 Microsoft DirectX 預(yù)覽版中增加神經(jīng)網(wǎng)絡(luò)著色技術(shù),讓開(kāi)
    的頭像 發(fā)表于 04-07 11:33 ?1188次閱讀