تقویت هوش مصنوعی با شبکه عصبی نوری

به گزارش کارگروه فناوری اطلاعات سایبربان؛ شبکه‌های عصبی به علت انجام پردازش‌های سنگین و حل کردن چالش‌هایی مانند تشخیص چهره و صوت، از کاربردهای بسیاری برخوردار هستند؛ اما نمونه‌های الکتریکی آن دارای محدودیت سرعت بوده، انرژی بسیاری مصرف می‌کند.

از لحاظ تئوری نور با استفاده از شبکه عصبی می‌تواند رایانه‌های الکترونیکی دیجیتال را در پردازش ماتریس‌ها شکست بدهد، با وجود پرتوهای نور به علت عدم توانایی در انجام تعدادی از محاسبات پیچیده که به الکتریسیته نیاز داشتند، محدود می‌شوند. به تازگی تحقیقاتی صورت گرفته است که نشان می‌دهد شبکه‌های عصبی نوری قابلیت رفع این چالش را دارند.

بخش کلیدی شبکه‌های عصبی، ارتباط گسترده‌ی میان آن‌ها در زمان پردازش است که با اتصالات پیچیده میان نورون‌های مغز انسان مقایسه می‌شوند. این ویژگی امکان انجام تعداد بسیار زیادی پردازش را به صورت موازی فراهم می‌کند. درست به مانند ذهن انسان، زمانی که این شبکه‌ها روی یک چهره یا صوت متمرکز می‌شوند، رایانه الکتریکی در اجرای هر دستورالعمل کارآمدتر می‌شود.

شبکه‌های عصبی الکتریکی امروزی به مرز 8 میلیون نورون رسیده‌اند؛ اما احتمالاً استفاده از آن‌ها در آینده به علت محدودیت‌هایی مانند اتصالات موازی و مصرف بسیار زیاد انرژی با چالش مواجه می‌شود. در مقابل اتصالات نوری از طریق لنزها ذاتاً موازی هستند. برای مثال لنزی که در چشم انسان قرار می‌گیرد، به طور هم‌زمان نور را از همه‌ی محدوده‌ی دید اطراف جمع‌آوری کرد روی شبکه‌ی پشت چشم متمرکز می‌کند. محلی که مجموعه‌ای از سلول‌های عصبی وظیفه ردیابی و تشخیص اشعه نور را بر عهده دارند. سپس هر سلول سیگنالی مخصوص را به سلول‌های عصبی موجود در مغز انتقال می‌دهند تا تصویر پردازش شود و بتوان آن را داد.

لنزهای شیشه‌ای با متمرکز کردن نور، یک عملیات پیچیده ریاضی را به نام انتقال فوریه انجام می‌دهند. در این فرآیند اطلاعات در صفحه‌ی اصلی ذخیره می‌گردد؛ اما امکان ویرایش کامل مجدد آن‌ها وجود دارد. یکی از استفاده‌های انتقال فوریه تبدیل تغییرات زمانی شدت سیگنال به نمودار فرکانس موجود در آن است. ارتش آلمان در سال 1950 از این قابلیت برای تبدیل سیگنال‌های بازتاب داده شده رادارها از یک هواپیمای در حال پرواز، به منظور نقشه‌برداری 3 بعدی و دقیق جنگنده بهره می‌گرفتند. امروزه این عملیات به صورت الکتریکی انجام می‌گیرند، در حالی که آن زمان رایانه‌های لوله خلأ (vacuum-tube computers) توانایی چنین پردازشی را نداشتند.

موسسه فیزیک ولفرم پرنیس دانشگاه مانستر آلمان، در می 2019 اعلام کرد همه‌ی نورون‌های نوری را مورد آزمایش قرار دادند تا متوجه شوند که کدام سیگنال‌ها میان حالت‌های مایع و جامد تغییر ایجاد می‌کنند. مسئله‌ای که برای استفاده در ابزارهای ذخیره‌سازی نوری تأثیر مستقیم دارد. آن‌ها موفق شدند پردازش غیرخطی را به نمایش گذاشته و پالس‌هایی خروجی را تولید کنند که کاملاً مشابه با سلول‌های عصبی طبیعی و ارگانیک هستند.

محققان سپس یک مدار نوری یکپارچه ایجاد کردند که از 4 فوتون تشکیل می‌شد. هر یک از این 4 ذره در طول‌موجی متفاوت کار می‌کردند و به 15 سیناپس نوری متصل بودند. این مدار دارای 140 بخش مختلف بوده و می‌تواند الگوهای نوری ساده را تشخیص دهد.

پژوهشگران توضیح دادند که مدار یاد شده مقیاس‌پذیر است و می‌توان به مرور زمان به پهنای باند و سرعت ذاتی بالاتر سامانه‌های نوری دست پیدا کرد. در نتیجه احتمالاً در آینده نزدیک سامانه‌های پردازش مخابراتی و داده‌های نوری به وجود می‌آیند.

به تازگی گروهی از پژوهشگران دانشگاه علوم و فناوری هنگ‌کنگ اعلام کردند که شبکه عصبی نوری کامل را بر پایه فرایند متفاوت تولید کرده‌اند. در روش از شفافیت الکترومغناطیسی القاء شده بهره گرفته می‌شود که در آن چگونگی انتقال ذرات نور میان سطوح انرژی مختلف مکانیک کوانتومی مدنظر قرار داده می‌شود. این روند غیر خطی بوده و امکان آغاز آن با سیگنال‌های نوری ضعیف نیز وجود دارد.

محققان هنگ‌کنگی از اتم‌های روبیدیم 85 که به واسطه لیزر تا 10 درجه میکرو کلوین خنکش شده بودند، بهره گرفتند. با وجود این که این روش پیچیده به نظر می‌رسد محققان شرح دادند در دسترس‌ترین سامانه آزمایشگاهی است که می‌تواند اثرات مورد نظر را به وجود آورد.

پژوهشگران ذکر کردند چالش اصلی کاهش هزینه تولید و افزایش مقیاس شبکه عصبی نوری است.