Las redes neuronales son una estructura general en la que se puede basar la inteligencia artificial. La palabra ›Neural‹ describe su capacidad de aprender, lo que, sin embargo, duplica la efectividad de las neuronas en nuestro cerebro. Para poder trabajar, se necesitan varios elementos clave: uno de estos es una función de activación que introduce anomalía en la estructura. Existe una ventaja importante de una función de activación fotónica para implementar redes neuronales ópticas basadas en la promoción de la luz. Investigadores del Instituto Max Planck para la Ciencia de la Luz (MPL) y Steyler Research Group de la Universidad de Libnidge University Hanover (LUH), en colaboración con Dark Englund en el MIT, ahora han mostrado una función de control total de la octava sobre la base de sonido de viaje. Es adecuado para un amplio método de red neuronal óptica y permite operaciones en los niveles de frecuencia sintética calificados de SO.
La inteligencia artificial (AI) es ampliamente utilizada y está diseñada para mejorar las habilidades humanas, como el análisis de datos, la producción de texto y el reconocimiento de imágenes. Su rendimiento ha pasado más que los humanos en muchos casos, por ejemplo, en la dirección. Las tareas que toman muchas horas cuando se realizan manualmente se pueden terminar en segundos.
Entre otras opciones, la IA puede basarse en redes neuronales artificiales inspiradas en el cerebro. Al igual que las neuronas en el cerebro humano, los nodos de las redes neuronales están asociados con una estructura muy compleja. Actualmente, generalmente se aplican utilizando conexiones digitales. La experiencia reciente de la capacitación en inteligencia artificial, como los modelos de grandes idiomas, ha dejado en claro que su consumo de energía es amplio y aumentará significativamente en los próximos años. Por lo tanto, los científicos están investigando de cerca una solución y considerando varios sistemas físicos que pueden apoyar o reemplazar parcialmente los sistemas electrónicos para tareas específicas. Estas redes pueden basarse en materiales ópticos, basados en la estructura de las moléculas, en la cadena de ADN o incluso en el desarrollo de la estructura del hongo.
Hay muchos beneficios de la óptica y la fotónica en comparación con los sistemas electrónicos convencionales.
La óptica y los símbolos de alta dimensión de la fotónica tienen un alto ancho de banda e información, tanto razones para la aceleración de nuestro sistema de comunicación. Los sistemas fotónicos ya están muy avanzados y, a menudo, permiten el procesamiento y la conexión paralela a sistemas establecidos como Internet basado en fibra óptica. Al escalar, la fotónica también promete usar menos energía para problemas complejos. Ahora los grupos de investigación se aprovechan con estos recursos y conocimientos para implementar las redes neuronales ópticas de varias maneras. Sin embargo, se deben resolver muchos desafíos principales, por ejemplo, la escala ascendente del hardware fotónico y la reconstrucción de redes neuronales.
Todas las funciones de activación controladas ópticas basadas en ondas de sonido que se muestran por primera vez
Los investigadores de Steyler Lab trabajan sobre los desafíos de las redes neuronales ópticas que media por optocustics y especialmente las ondas acuñasas. Para el compromiso de la red neuronal óptica, ahora han creado una función de activación que puede controlarse. No es necesario convertir los datos de óptico a dominio electrónico. Este desarrollo es un paso importante para la computación fotónica, una opción de computación analógica física que promete poder realizar el intelecto artificial calificado de energía a largo plazo. La red neuronal tiene una suma pesada de los bits de la información que llega en una forma común y una función de activación no lineadora. La función de activación de no cineas es necesaria para que los modelos de aprendizaje profundo aprendan a resolver tareas complejas. En las redes neuronales ópticas, estas piezas se aplican idealmente al dominio fotónico. Para la adición de peso, un operador de matriz, ya existe una abundancia de métodos fotónicos. Esto no está en el caso de la función de activación de no recarga, para la cual algunos métodos se han mostrado experimentalmente.
Dependiendo del potencial a largo plazo de crear una red neuronal óptica más informativa de energía, depende de si podemos escalar los sistemas de computación física, es posible realizar un posible proceso simple mediante una función de activación fotónica “” “Optoclástico cuántico” dijo Birgit Steeller.
Una función de activación fotónica de no recarga es equivalente a las funciones de activación no lineales utilizadas en las redes neuronales artificiales, pero se aplica utilizando dispositivos fotónicos en lugar de electrónica. Permite redes neuronales totalmente ópticas y aceleradores de aprendizaje automático óptico e introduce indiscriminamiento en los sistemas de computación fotónica. Ejemplos de funciones de activación son la función Rillu, Sigmoid o Tanha y pueden convertir la suma ponderada de entradas a una red neuronal artificial.
Onda de sonido como mediador para funciones efectivas de activación fotónica
Los científicos de MPL y Luh Steyler Research Group han demostrado que las ondas de sonido pueden ser intermediarias con una función de activación fotónica efectiva en colaboración con MPL y LUH en colaboración con Dark Englund. Los datos ópticos no deben abandonar el dominio óptico y procesarse directamente en fibra óptica o cárgidos de onda fotónicos. A través de la influencia de los datos estimulados de Brilluin, los datos de entrada óptica hacen un cambio autónomo dependiendo del nivel de intensidad óptica.
“Nuestra función de activación fotónica se puede sintonizar de una manera multifacética: mostramos la implementación de una función sigmoidea, Rillu y cuadrilátero y permitimos el concepto de más funciones externas de acuerdo con la demanda de ciertos tipos de tareas”, dos autores principales dicen Grigori Slinkov. Otro autor principal, Steven Baker, agrega: “El estimulante Brilluin Scrather proviene de las reglas coincidentes en un nivel duro: varias computaciones ópticas de frecuencia paralela se pueden abordar de forma autónoma, lo que puede aumentar el rendimiento calculador de la red neuronal”.
Guarde el ancho de banda de datos ópticos con una función de activación fotónica en una red neuronal óptica, evitando la conversión electrónica-óptica y manteniendo la solidaridad de la señal. El control versátil de la función de activación de no recarga con ondas de sonido ayuda a implementar el esquema en el sistema de fibra óptica existente, así como chips fotónicos.