Moderní výpočetní banky o konvenční elektronice a algoritmech pro zpracování dat. Ale protože hardware funguje podle zákony fyzikyZpracování dat má fyzickou rychlostní limit. Dostupnost napájení dále omezuje tuto rychlost, zejména pokud je spuštěn software modelem umělé inteligence (AI). Jedno hlavní zájem vědců po celém světě tedy přichází s novými druhy počítačů, které zvyšují rychlostní limit tím, že pracují jinak.
Jedním slibným druhem je světlý, aka optický, výpočetní technika. Tyto počítače používají fotony, částice světla, spíše než elektrony. Protože fotony cestují rychlostí světelných a fotonických zařízení generují méně tepla než elektronická zařízení, optický výpočetní technika slibuje, že bude rychlejší, bude mít větší šířku pásma a bude energeticky efektivnější.
Důležitou součástí optického počítače budou optická vlákna, která přenášejí data z jedné komponenty do druhé ve stroji. Tato konkrétní technologie se již používá po celém světě: přenáší miliardy bajtů dat mezi zeměmi a kontinenty a umožňuje superrychlé internetové služby.
Nové dveře
Než však vědci mohou použít optické výpočetní techniky k modelům AI, potřebují některé kliky k řízení určitých fyzikálních vlastností světla. Světlo se obvykle chová pravidelně, předvídatelným způsobem, když prochází médiem, jako je sklo nebo voda. Vědci to vědí jako lineární reakci Light.
Když jsou však lehké impulsy velmi intenzivní, jako ty, které jsou vydány silným laserem, vyvolávají jinou reakci než materiál, kterým procházejí. Toto je nelineární režim. Světelné impulsy v tomto režimu mohou mimo jiné zasahovat do sebe, rozprostřené nebo konvergovat a generovat nové frekvence (barvy) světla.
Lineární v. Nelineární režimy
Nedávno dva výzkumné týmy – z Tampere University ve Finsku a Université Marie et Louis Pasteur ve Francii – studovaly nelineární interakci mezi intenzivními světelnými pulzy procházejícími tenkými skleněnými vlákny a odkryly něco neobvyklého. Vědci uvedli, že je možné použít fyziku světla v optických vláknech k provádění složitých úkolů AI potenciálně mnohem rychlejší a s menší energií než tradiční počítače.
Práce otevřela dveře do nových typů hardwaru AI, které lze použít v oblastech, kde jsou kritická rychlost a efektivita. Zjištění byla zveřejněna v Optická písmena v červnu.
Obrázek na čísla a zpět
Ve studii se vědci zaměřili na model AI s názvem extrémní učební stroj (ELM). Místo toho, aby používali tradiční počítačové čipy, použili k provádění výpočtů fyzikální vlastnosti světla cestující optickými vlákny. Jejich hlavním cílem bylo pochopit, jak dobře tento přístup fungoval pro rozpoznávání obrazů a jaké faktory ovlivnily jeho přesnost.
Elm je typ neuronové sítě, která je rychlá a jednoduchá. Má pouze jednu skrytou vrstvu (mezi vstupními a výstupními vrstvami) a jsou vyškoleny pouze výstupní hmotnosti. ELM najde tato hmotnost v jednom kroku pomocí matematické metody, spíše než učení prostřednictvím opakovaných úprav jako v hlubokých neuronových sítích.
V tomto nastavení byla vstupní data, stejně jako obrázek, transformována na datový soubor čísel. Díky tomu síť usnadnila oddělit a klasifikovat různé typy vstupů. Poté ELM použil jednoduchý lineární výpočet, který odpovídá transformovaným datům se správným štítkem, např. Zobrazuje se obrázek.
Extrémní učební stroje
Vědci používají jedinečné vlastnosti světla v optických vláknech k provedení transformace potřebné pro ELM.Každý obrázek byl nejprve zmenšen – jako od 28 × 28 pixelů do 10 × 10 -, aby se přizpůsobil omezené šířce pásma světelného pulsu. Obrazová data byla poté kódována na velmi krátký puls světla, buď změnou fáze (jak osciluje světelná vlna) nebo amplitudu (jak silné je světlo) při různých frekvencích.
Otisek prst v barvách
Kódovaný světelný puls byl poté odeslán přes délku optického vlákna. Interakce pulzních vláken byly v nelineárním režimu. Vědci sledovali, jak vlákno reagovalo na impulsy a jak různé barvy světla cestují různými rychlostmi, vlastnost zvaná disperze. Tyto změny smíchaly informace ve světelných pulzách způsobem, který bylo obtížné zvrátit – ale užitečné pro krok transformace ELM.
Na konci vlákna tým změřil, kolik světla byla každé barvy. Toto spektrum obsahovalo „otisk prstu“ původního obrazu, transformovaný nelineárními efekty vlákna. Tým jej použil jako skrytou vrstvu v ELM – výpočetní vrstva mezi vstupem a výstupem, který vedl k „inteligenci“ stroje.
Tímto způsobem tým trénoval ELM na tisících označených obrázků. Poté testovali model na nových obrázcích, aby viděli, jak přesně je může klasifikovat.
S optimálním nastavením tým zjistil, že ELM byl více než 91% přesný při rozpoznávání ručně psaných číslic pomocí anomálního disperzního režimu optického vlákna a více než 93% přesnosti v normálním disperzním režimu. Tyto výsledky byly blízké výsledkům dosaženým tradičním počítačovým ELMS, ale bylo dosaženo pomocí fyziky světla místo elektroniky.
Testujte obrázky
Nechť je světlo
Podle zveřejněného článku zvyšuje sílu nelineárních účinků a délka vlákna vlákna zlepší přesnost, ale pouze až do bodu. Příliš mnoho zvýšení způsobilo, že se systém stal nestabilním a méně přesným. Pro tyto parametry tedy existuje optimální rozsah.
Stručně řečeno, studie prokázala, že optická vlákna lze použít jako výkonná nástroje pro strojové učení, konkrétně pro úkoly, jako je rozpoznávání obrazu. Pečlivým vyladěním parametrů systému a porozuměním účinků šumu a kódování je možné dosáhnout vysoké přesnosti pomocí přirozených vlastností světla. Tento přístup by mohl v budoucnu vést k novým, rychlejším a efektivnějším systémům AI.
Vědci, kteří vedli týmy za studií, uvedli ve svém prohlášení: „Tato práce ukazuje, jak základní výzkum nelineární optiky vlákna může vést k novým přístupům k výpočtu.“
Studijní dokument si všiml některých omezení, o nichž se uvádí, že by mohla být v budoucím výzkumu překonána. Například model týmu nezahrnoval všechny možné efekty v reálném světě, jako jsou změny polarizace světla (směr, ve kterém jeho elektrické pole osciluje). Uvedl, že budoucí práce by také mohla prozkoumat informace o kódování o různých polarizačních stavech nebo pomocí složitějších optických vláken. Existuje také uvedený potenciál ke zlepšení systému měřením nejen intenzity spektra, ale také jeho fáze.
Studie to znamená, že studie zdůraznila příležitosti v rámci výpočtu založených na světle s optickými vlákny, aby uspokojily rostoucí poptávku po rychlejší i chytřejší AI. Použitím rychlosti a efektivity světla by počítače budoucnosti mohly myslet a učit se způsoby, které mohou dnes zpřístupnit modely AI, které nám dnes dostupné. To však bude trvat mnoho dalších let, protože odborníci a podnikatelé navrhují a testují nové technologie, jako jsou fotonické integrované obvody a optické neuronové sítě.
Posun paradigmatu
Qudsia Gani je docentkou na Katedře fyziky, vládní vysoká škola Pattan, Baramulla.
Publikováno – 12. září 2025 05:30
