Оптический чип обрабатывает почти 2 миллиарда изображений в секунду

В основе нового чипа лежит нейронная сеть - система, моделирующая то, как мозговая информация. Эти сети происходят из узлов, которые соединяются друг с другом с появлением нейронов, и они даже «обучаются» органическому мозгу, занимаясь набором данных, например, распознавание объектов на изображениях или словах в речи. Со временем они намного лучше справляются с задачами.

Но вместо электрических сигналов новый чип представляет информацию в виде света. В качестве нейронов он использует оптические провода, сложенные в несколько слоев, каждый из которых относится к широко распространенному типу рассеяния.

В ходе испытаний команда из Пенсильванского университета изготовила чип размером 9,3 кв.мм (0,01 кв.дюйма) и применила его для определения ряда рукописных символов, напоминающих буквы. После обучения на определенных наборах данных удалось изменить класс изображений с точностью 93,8% для наборов, содержащих два типа символов, и 89,8% для четырех типов.

Самое впечатляющее, что чип смог классифицировать каждый символ за 0,57 наносекунд, что позволило ему получить 1,75 миллиарда изображений в секунду. По этой причине быстрота использования чипа может увеличиться как свет, что дает несколько преимуществ по сравнению с существующими компьютерными чипами.

«Наш чип выявил информацию с помощью так называемого «вычисления распространенности распространения», то есть в отличии от систем, основанных на типах населения, встречаемости встречаемости через чип», — сказал Фируз Афлатуни, ведущий автор исследования. «Мы также пропускаем шаг преобразования оптических сигналов в электрические, так как наш чип может воспринимать и обрабатывать оптические сигналы, и оба эти изменения делают чип более быстрым.

^{Рис.1.Образец буквоподобных символов, которые должен был классифицировать новый чип оптической нейронной сети}

Еще одно решение проблемы в том, что обработка информации не требуется, это также экономит время, поскольку не требуется отправлять данные в память, и вообще не требуется компонентов для памяти. Команда также говорит, что отказ от хранения данных является более безопасным, поскольку возможна любая возможная утечка.

Следующими шагами можно найти алгоритмы масштабирования и адаптации технологий для обработки других типов данных.

«Что действительно интересно в этих технологиях, так это то, что она может сделать гораздо больше, чем классифицировать изображение», — сказал Афлатуни. «Мы уже знаем, как преобразовывать многие типы данных в электрической области — изображения, аудио, речь и многие другие типы данных. Теперь мы можем преобразовывать различные типы данных в оптической области и обрабатывать их почти с помощью этой технологии».

Исследование опубликовано в журнале Nature.