揭開大規模光學神經網路的大門
新的光學檢測器為光學神經網路的發展鋪平道路
2023 年 8 月 24 日，科技新聞網站 Techxplore 發布了一篇關於光學神經網路技術的最新研究成果。研究人員首次使用曲面法線非線性光檢測器（Surface Normal Nonlinear Photodetector, SNPD）來提高繞射式光學神經網路（Diffractive Optical Neural Network, ONN）的速度和能源效率。這項研究為大規模的光學神經網路奠定了基礎，該技術可以以光速高速處理訊息，同時極高能源效率。
從人工智慧到機器視覺
研究人員 Farshid Ashtiani 指出："人工智慧在我們的生活中扮演著越來越重要的角色。從大型語言模型到自動駕駛車，我們看到了 AI 帶來的顯著改進。" 人工智慧的進步靠的是神經網路，這是受到人腦學習和執行各種任務的啟發。神經網路的廣泛應用之一是識別模式和物體，使機器具有視覺能力。例如，每一輛自動駕駛車，甚至是半自動駕駛車，都必須透過觀察周圍環境來理解周圍的情況。
光學處理的優勢
當前在傳統的方法中，影象透過相機拍攝後，轉換為電訊號，然後使用 CPU 或 GPU 等電子處理器進行物體識別。然而由於影象本身處於光學領域，使用光學神經網路以光學方式處理影象可能會更快且更節能。在眾多光學技術中，基於空間光調製器的 ONN 能夠以光學方式處理高解析度的影象和影片。這種處理需要非線性模組，傳統上使用攝像頭感測器引入所需的非線性，這需要幾毫秒的時間。研究人員的新型檢測器裝置使得這種非線性處理的速度比傳統攝像頭快 1000 倍，而且更加節能。這對於下一代機器視覺系統至關重要，因為我們需要更快的智慧裝置，同時又不會消耗大量能源。
光學神經網路的新突破
研究人員將之前證實為高速光電調變器的 SNPD 用於高解析度的繞射式 ONN 中，進行了測試。測試結果顯示，SNPD 的 3-dB 頻寬為 61 kHz，對應的響應時間不到 6 微秒，比傳統 ONN 中使用的攝像頭感測器的響應時間快 1000 倍。此外該檢測器每畫素僅消耗約 10 nW 的能量，是典型攝像頭的三個數量級更加高效。為了在 ONN 中測試這款新的檢測器，研究人員將影象輸入到卷積層，這是神經網路的主要構建模組。卷積層具有 32 個並行的 3x3 核，步長為 1，並使用實際測得的 SNPD 響應作為啟用函數，而不是標準的整流線性啟用函數。透過這種模擬設定，該網路實現了約 97%的測試分類準確度，與在同一網路中使用理想的整流線性啟用函數的效能相同。這項研究展示了在光學神經網路中使用 SNPD 的潛力。該檢測器比攝像頭快 1000 倍，更加高效，使其成為大規模光學神經網路設定中的一個有潛力的選擇。
展望未來
研究人員 Stefano Grillanda 表示："我們需要製造大量的檢測器裝置，可能需要數百萬個，以構建一個完整的視覺系統，並與傳統攝像頭提供的高解析度相競爭。好訊息是，這在技術上是可能的。另一個值得研究的方向是進一步減小檢測器的尺寸、能耗和響應時間，使其成為未來人工智慧視覺系統的更佳解決方案。"
編輯評論與建議
這項研究對於光學神經網路技術的發展具有重要意義。光學處理的優勢在於其超高速和極高能源效率，這對於推動人工智慧和機器視覺應用的發展至關重要。
然而這項研究當前還處於實驗室階段，並需要更多的研究和實踐來證實其在現實應用中的可行性和穩定性。此外製造大量的檢測器並建立一個完整的光學神經網路系統仍然面臨著技術挑戰。
然而這項研究的突破使得未來的光學神經網路成為可能，有望在人工智慧和機器視覺方面取得更大的突破。繼續投資和研究這個領域是非常重要的，並且可以尋找更好的解決方案來改善光學神經網路的效能和可靠性。
