Naukowcy wykorzystują sztuczną inteligencję, drukowanie i gięcie światła 3D do obliczeń numerycznych

Dzisiaj drukarki 3D znajdziesz w najbardziej zaskakujących miejscach - i na całym świecie. Nie tylko to, ale często są zajęci robieniem najbardziej zaskakujących rzeczy dla ludzkiej rasy. Jeśli śledziłeś druk 3D nawet przez jak najkrótszy czas, być może nauczyłeś się ciągle oczekiwać nieoczekiwanego. Uczenie maszynowe i obliczenia danych są tego doskonałym przykładem, ponieważ są teraz stosowane w 3D za pomocą nowego systemu sztucznej inteligencji, który wykonuje swoją pracę za pomocą zginania światła.

AI jest zbudowana na pętlowych obliczeniach liczb i danych, które ostatecznie doprowadzić do uznania. Jak odkryli badacze UCLA, mogą faktycznie przetłumaczyć to na formę fizyczną poprzez drukowanie 3D przy pomocy światła. Pracując z założeniem drukowania 3D opartego na warstwach, naukowcy są w stanie tworzyć przezroczyste wzory dyfrakcyjne, "odbijające" dane w sieci neuronowej. Ich praca została niedawno opublikowana w artykule zatytułowanym "Całkowicie optyczna nauka maszynowa przy użyciu dyfrakcyjnych głębokich sieci neuronowych" autorstwa Xinga Lin'a, Yaira Rivensona, Nezih T. Yardimci, Muhammeda Veli, Yi Luo, Mony Jarrahi i Aydogana Ozcana.

"Głębokie uczenie się przekształcało naszą zdolność do wykonywania zaawansowanych zadań wnioskowania za pomocą komputerów" - wyjaśniają naukowcy w swoich pracach.

Są w stanie ustalić to za pomocą dyfrakcyjnej głębokiej sieci neuronowej, znanej również jako architektura D2NN - i taka, która jest w stanie realizować funkcje oparte na zbiorowych warstwach dyfrakcyjnych.

"Tworzymy drukowane 3D D2NN, które implementują klasyfikację obrazów ręcznie pisanych cyfr i produktów modowych, a także funkcję soczewki do obrazowania w widmie terahercowym "- stwierdzają badacze. "Nasze w pełni optyczne szkielety do głębokiego uczenia się mogą wykonywać, z prędkością światła, różne złożone funkcje, które mogą zostać zaimplementowane w komputerowych sieciach neuronowych, i znajdą zastosowanie w całkowicie optycznej analizie obrazu, wykrywaniu funkcji i klasyfikacji obiektów, umożliwiając również nową kamerę projekty i komponenty optyczne, które wykonują wyjątkowe zadania za pomocą D2NN. "

Zespół wykorzystał swój unikalny model uczenia w celu rozpoznawania liczb, które zostały napisane ręcznie, następnie przekształcając matematyczną matematyczną w serię danych odnoszącą się do" transformacji optycznych " "Każda warstwa przyczynia się do tworzenia tych danych przy użyciu światła, ponownego skupiania i dodawania wartości. Proces ten obejmuje miliony przekształceń optycznych na wydrukowanych płytach 3D, przy czym system tłumaczy światłowartości numeryczne; w rzeczywistości, naukowcy donoszą, że przy drukowanych w 3D D2NN mają 90-procentowy wskaźnik sukcesu!

Podczas gdy zespół badawczy wciąż udoskonala ten proces, może to być istotne dla wielu aplikacji w przyszłości ze względu na elastyczność takich narzędzi obliczeniowych. Może być używany do czytania listów zamiast liczb, a także oferowania twarzy lub innych rodzajów rozpoznawania fizycznego. Dowiedz się więcej o tym badaniu lub zamów artykuł, aby przeczytać go tutaj.