p Os pesquisadores mostraram que é possível treinar redes neurais artificiais diretamente em um chip óptico. O avanço significativo demonstra que um circuito óptico pode desempenhar uma função crítica de uma rede neural artificial baseada em eletrônica e pode levar a um custo menor, maneiras mais rápidas e com maior eficiência energética de realizar tarefas complexas, como reconhecimento de voz ou imagem. p "Usar um chip óptico para realizar cálculos de rede neural com mais eficiência do que é possível com computadores digitais pode permitir que problemas mais complexos sejam resolvidos, "disse o líder da equipe de pesquisa Shanhui Fan da Universidade de Stanford." Isso aumentaria a capacidade das redes neurais artificiais de realizar tarefas necessárias para carros autônomos ou de formular uma resposta apropriada a uma pergunta falada, por exemplo. Também pode melhorar nossas vidas de maneiras que não podemos imaginar agora. "

p Uma rede neural artificial é um tipo de inteligência artificial que usa unidades conectadas para processar informações de maneira semelhante à forma como o cérebro processa as informações. Usando essas redes para realizar uma tarefa complexa, por exemplo, reconhecimento de voz, requer a etapa crítica de treinar os algoritmos para categorizar as entradas, como palavras diferentes.

p Embora as redes neurais artificiais ópticas tenham sido recentemente demonstradas experimentalmente, a etapa de treinamento foi realizada em um modelo em um computador digital tradicional e as configurações finais foram importadas para o circuito óptico. No Optica , O jornal da Optical Society para pesquisas de alto impacto, Pesquisadores da Universidade de Stanford relatam um método para treinar essas redes diretamente no dispositivo, implementando um análogo óptico do algoritmo de 'retropropagação', que é a maneira padrão de treinar redes neurais convencionais.

p "Usar um dispositivo físico em vez de um modelo de computador para o treinamento torna o processo mais preciso, "disse Tyler W. Hughes, primeiro autor do artigo. "Também, porque a etapa de treinamento é uma parte muito cara computacionalmente da implementação da rede neural, realizar esta etapa opticamente é a chave para melhorar a eficiência computacional, velocidade e consumo de energia de redes artificiais. "

p Uma rede baseada em luz

p Embora o processamento da rede neural seja normalmente executado usando um computador tradicional, há esforços significativos para projetar hardware otimizado especificamente para computação de rede neural. Dispositivos baseados em ótica são de grande interesse porque podem realizar cálculos em paralelo, usando menos energia do que dispositivos eletrônicos.

p No novo trabalho, os pesquisadores superaram um desafio significativo de implementar uma rede neural totalmente óptica ao projetar um chip óptico que replica a maneira como os computadores convencionais treinam as redes neurais.

p Uma rede neural artificial pode ser considerada uma caixa preta com vários botões. Durante a etapa de treinamento, cada um desses botões é girado um pouco e, em seguida, o sistema é testado para ver se o desempenho dos algoritmos melhorou.

p "Nosso método não só ajuda a prever em qual direção girar os botões, mas também o quanto você deve girar cada botão para chegar mais perto do desempenho desejado, "disse Hughes." Nossa abordagem acelera o treinamento significativamente, especialmente para grandes redes, porque obtemos informações sobre cada botão em paralelo. "

p Treinamento on-chip

p O novo protocolo de treinamento opera em circuitos ópticos com divisores de feixe sintonizáveis ​​que são ajustados alterando as configurações dos deslocadores de fase ópticos. As informações de codificação de feixes de laser a serem processadas são disparadas no circuito óptico e transportadas por guias de ondas ópticas através dos divisores de feixe, que são ajustados como botões para treinar os algoritmos da rede neural.

p No novo protocolo de treinamento, o laser é alimentado primeiro através do circuito óptico. Ao sair do dispositivo, a diferença do resultado esperado é calculada. Esta informação é então usada para gerar um novo sinal de luz, que é enviado de volta através da rede óptica na direção oposta. Ao medir a intensidade óptica em torno de cada divisor de feixe durante este processo, os pesquisadores mostraram como detectar, em paralelo, como o desempenho da rede neural mudará em relação à configuração de cada divisor de feixe. As configurações do deslocador de fase podem ser alteradas com base nessas informações, e o processo pode ser repetido até que a rede neural produza o resultado desejado.

p Os pesquisadores testaram sua técnica de treinamento com simulações ópticas, ensinando um algoritmo para executar funções complicadas, como escolher recursos complexos em um conjunto de pontos. Eles descobriram que a implementação óptica teve um desempenho semelhante ao de um computador convencional.

p "Nosso trabalho demonstra que você pode usar as leis da física para implementar algoritmos de ciência da computação, "disse Fan." Ao treinar essas redes no domínio óptico, mostra que os sistemas de rede neural óptica podem ser construídos para realizar certas funcionalidades usando apenas a óptica. "

p Os pesquisadores planejam otimizar ainda mais o sistema e desejam usá-lo para implementar uma aplicação prática de uma tarefa de rede neural. A abordagem geral que eles projetaram pode ser usada com várias arquiteturas de rede neural e para outras aplicações, como óptica reconfigurável.