库博体育-最聪明玻璃诞生！以光散射为核心算法 无需耗电可识别数字
2023-08-05 作者：肥仔
当前位置: 首页 » 会员新闻 » 会员新闻 » 最伶俐玻璃降生！以光散射为焦点算法 无需耗电可辨认数字 这大要是世界上最伶俐的一块玻璃，它可以用来辨认数字，而且无需耗电，也不消传感器，只要亮光便可。 这个玻璃 AI 研究将人工智能嵌入了一个非计较机的物理装配中，自带科幻色采。它可以或许及时辨别手写数字，也就是说，一块小小的玻璃实现了传统 AI 的相机、传感器和深度神经收集的功能整合。当数字变换时，系统能和时作出反馈。 图 | 从左到右别离为：喻宗夫、Ang Chen 和 Efram Khoram。他们开辟了这款智能玻璃。 （来历：SAM MILLION WEAVER） 焦点算法：光的散射 光学神经计较最主要的特点是，几近不用耗能量，且因其有内涵的并行性可年夜年夜加速计较速度。与此前光学神经计较分歧，喻宗夫团队的研究没有遵守数字神经收集架构，也不采取分层前馈收集，而是操纵光学反射毗连各个激活单位。恰是这类光反射作为反馈机制，从而致使了丰硕的波动成果。 这是一种无需分层的持续人工神经计较系统。这套系统操纵了特地嵌入玻璃中的石墨烯和吝啬泡。当方针图象的光线穿过玻璃 AI 时，其路径就会被这些气泡和石墨烯反射或折射而造成曲折，曲折后的光线集聚焦到玻璃另外一侧 10 个点中的某个点上。 图丨玻璃 AI 的道理。（a）传统的人工神经收集架构，此中信息只能向前传布; （b）玻璃 AI 系统的光学神经收集，采取经由过程具有线性和非线性散射体的光进行神经计较。 图丨玻璃 AI 的工作进程。（a）系统颠末练习以辨认手写数字，输入波将图象编码为光能强度散布。（b）数字 2 的两个样本。 可以看出，两个 2 的光能场散布分歧，可是它们被辨认为 2。（c）两个 8 的光能场散布分歧，它们都被辨认为 8。（来历：喻宗夫） 这 10 个点对应了从 0 到 9 这 10 个数字。就像一把钥匙开一把锁，假如某个数字的光线没有对焦到响应的数字，研究者就调剂系统中的杂质巨细和位置。研究者对此进行了不计其数次练习，终究玻璃 AI 学会了切确的数字对应。即便手写数字气概分歧，这套系统也能正确聚焦、辨认。 这是一种以简单布局取得复杂行动表示的研究。在机械进修的进程中，研究人员练习的是物理材料，而不是数字代码。也就是说，光传布的波动力学实现了人工神经计较的功能。相对数字计较，这是倾覆性的不雅念。 研究人员认为，这套系统在实际中的利用还不肯定，但理论上可以建造成生物辨认锁，进行人脸辨认。只是这个系统还缺少计较上的矫捷性，和面临多线程或分歧的使命。 明显，这个玻璃 AI 看起来和我们此前熟悉的 AI 系统纷歧样，它为什么会被称为 AI 系统？这个系统有人脸辨认的潜力吗？研究者下一步会若何开辟这个系统？带着诸多问题，DeepTech 专访了作者喻宗夫。 恍惚辨认很难，是 AI 的表现 DeepTech：能不克不及介绍你们课题组的工作内容和你们的研究方针？操纵光来做 AI 系统，这个思绪是怎样发生的？ 喻宗夫：我们但愿在纳米光学手艺和机械进修的交叉口立异，但愿对光敏材料、传感器件、光学成像系统和机械进修全栈优化。之前硬件和软件的研究比力分立，我们但愿把软硬件看做一个整体，以具体利用为方针导向，重新整体斟酌视觉感知。在这个风雅向下面，我们构成员们睁开思绪，不拘泥在现有光感、成像、辨认的架构系统，在是 Erfan 和其他组员就想出了这个点子。 DeepTech：与其他的光计较比拟，你们这个研究是如何的特点？ 喻宗夫：之前的光计较素质上仍是数字计较，只是把电子换成了光子，从电路改成了光路。用光作为载体来计较有几十年汗青了，此次我们操纵的是布局材料自己特征。 起首第一点，我们的玻璃 AI 不存在之前神经收集的分层概念，它全部就是一体化的。别的，我们全部优化方式的进程也不是依照摹拟数字神经收集的思绪，而是优化麦克斯韦方程，去节制光的物理散射进程。 从实现的成果上来讲更纷歧样。就是说我这个装配可以做得很是小，也不需要用任何能量，由于之前的布局需要分层，体积和能耗就比力年夜。 DeepTech：这个玻璃 AI 看起来和我们此前熟悉的 AI 系统纷歧样，它为什么会被称为 AI 系统？能不克不及说，这只是一套数字暗码系统？ 喻宗夫：模式辨认是典型的 AI 利用。这和暗码系统完全相反，我们需要这个玻璃有很年夜的容错性：一个数字谁来写，都要认出来，这类恍惚辨认很难，是 AI 的表现。 相反，暗码则要一个比特也不克不及差，却轻易实现多了。 DeepTech：这个 AI 系统与计较机是甚么关系呢？该系统的练习进修进程是一个调剂玻璃内石墨烯杂质的进程，而不是其他 AI 系统那样库博体育在计较机输入数据、在终端输出成果那样的进程，对吗？ 喻宗夫：光在玻璃里面传布就是一个偏微分方程节制的波动进程，而神经收集和偏微分方程有很年夜的类似性。我们操纵这类类似性，以波动方程为载体实现神经收集的计较结果。 光打到玻璃里的小孔上，就会被散射开。小孔就像数字神经收集里的节点，它们把输入夹杂起来，发生输出。我们这个练习进程，就要去做和神经收集一样的梯度降落，去调剂玻璃里面的小孔和非线性材料的位置与巨细。 DeepTech：这个思绪很出奇，做出如许的系统需要哪些研究根本呢？ 喻宗夫：其实做这个工作需要良多范畴的共同。我们不是仅仅把数字更换成光子，我们还要去解电磁场方程。所以对机械进修、电磁场方程这两块范畴都要熟习。 我们但愿在这个交叉范畴继续研究立异。 DeepTech：仿佛这个 AI 系统不需要那末巨量范围的练习，是如许理解吗？ 喻宗夫：不是，我们也需要良多练习。由于这个是在电磁场介质里面传布，我们要仿真全部电磁场传布的进程，然后在这个根本上要对偏微分方程整体做优化，所以计较量实际上是很是年夜的。我们用的是机械进修的方式，但解的是电磁场的优化问题，所以这两块连系起来很有挑战，需要从头写全部练习东西。 一个新的概念 DeepTech：这个研究是一个怎样定位？是手艺的冲破，仍是说缔造了一个新的东西？ 喻宗夫：我感觉这是一种新的概念。我们是用玻璃自己来实现人工智能的计较，而之前的人工智能都是用计较机完成的，那末此刻是操纵非数字摹拟的物理感化便可以实现这件工作，所以说在这方面是一个冲破。如斯引伸的话，良多其他物理功课好比声波也能够如许操作。 DeepTech：能说这是一个计较机吗？ 喻宗夫：对。通用的计较机可以做良多工作，我们这个系统只能做一件工作，所以在这一点上它跟计较机是有不同的。可是今朝来讲，计较机的成长也逐步地趋势在只做一件工作。好比说挖比特币的矿机。 我感觉，这个不是为了代替已有的图象辨认系统，更多的多是一些更广漠、之前没有利用的体例。好比说，固然说我们此刻有了数字锁，可是没电或断网就不克不及用。我们这小我脸辨认锁就像传统物理锁，只要有钥匙它就一向可以用。 所以多是在这类加倍非凡的时辰，假如你担忧 AI 系统被进犯的话，那末这个系统完全没有可能从外界去进犯或干扰，它对平安性很有保障。 DeepTech：除数字辨认，这个系统假如用来开辟人脸辨认的话，还需要做哪些工作？和其挑战有多年夜？ 喻宗夫：人脸辨认在概念上的可行性已可以经由过程此刻的工作证实。人脸辨认的利用需要很多工程工作，可能超越一个学术问题了。好比练习的样本的光场建模需要年夜量的计较。 DeepTech：你们下一步会若何开辟这个系统？这个系统未来若何能便捷利用到通俗公众中，能成为一款便携式的智能产物吗？ 喻宗夫：这个概念为我们本身打开了一个思绪：纷歧定要稀有字和芯片才能智能。智能可以无所不在，我们称之为物理驱动智能。 我们今天证实玻璃可以辨认图象，就是麦克斯韦电磁场定律付与的。还良多物品可以操纵物理定律的来智能化。 数字芯片是人类的智能产物，物理定律的智能产物必然更广漠。我们感觉操纵物理来做智能计较很成心思，并且有普遍的利用价值。 专家点评： 阮智超（浙江年夜学物理学系传授）：本研究原创性较高，与 2018 年一篇 Science 研究有异曲同工之妙，后者缔造了一种 3D 打印的全光学衍射深度神经收集架构。在喻宗夫研究中，如要利用到如人脸辨认等复杂场景，需要进行复杂的调参，这对这类玻璃 AI 装配有挑战性。 喻宗夫简介： 喻宗夫（ZongFu YU），威斯康星年夜学麦迪逊分校电子和计较机工程系副传授。2004 年本科卒业在中国科学手艺年夜学物理学系，博士卒业在美国斯坦福年夜学，首要研究范畴是微纳光子学、机械视觉和新能源。他长短互易纳米光子学首创人之一，提出了纳米太阳能电池的效力理论，并开辟了多模视觉相机，利用在下一代的机械视觉。
发布日期：2019-07-16 10:34 阅读次数：153 7月15日，集中领会到，来自威斯康星年夜学麦迪逊分校电子和计较机工程系副传授喻宗夫（ZongFu YU）团队，研究以封面情势颁发在 7 月 8 日的光学期刊 Photonics Research 上。
