UCLA 엔지니어, 지능형 카메라용 광속 광학 신경망 공개

UCLA 사무엘리 공과대학(캘리포니아주 로스앤젤레스)

UCLA 엔지니어들은 빛의 속도로 물체를 식별하거나 정보를 처리할 수 있는 광학 신경망(인간 두뇌의 작동 방식에서 영감을 받은 장치)의 설계를 크게 개선했습니다. 이러한 개발은 3D 엔지니어링 재료 구조를 통과하는 빛의 패턴만으로 자신이 보고 있는 것을 파악하는 지능형 카메라 시스템으로 이어질 수 있습니다. 새로운 디자인은 광학 기반 계산 시스템의 병렬화 및 확장성을 활용합니다.

예를 들어, 이러한 시스템은 자율 주행 자동차나 로봇에 통합되어 물체를 본 후 식별하는 데 추가 시간이 필요한 컴퓨터 기반 시스템보다 거의 즉각적인 결정을 더 빠르게 내리고 전력을 덜 사용하도록 도울 수 있습니다.

이 기술은 2018년 UCLA 그룹에서 처음 도입되었습니다. 이 시스템은 들어오는 빛을 투과하거나 반사하는 표면이 고르지 않은 일련의 3D 프린팅 웨이퍼 또는 레이어를 사용합니다. 모양과 효과가 젖빛 유리와 유사합니다. 레이어에는 수만 개의 픽셀 포인트가 있으며, 이는 본질적으로 전광학적으로 계산하는 공학적 양의 재료를 형성하는 인공 뉴런입니다. 각 물체는 3D로 제작된 레이어를 통해 고유한 빛 경로를 갖게 됩니다. 레이어 뒤에는 여러 개의 광 감지기가 있으며, 각각은 이전에 컴퓨터에 할당되어 레이어를 통과한 후 가장 많은 빛이 끝나는 위치에 따라 입력 개체가 무엇인지 추론합니다. 예를 들어, 손으로 쓴 숫자를 알아내도록 학습된 경우 '5'를 식별하도록 프로그래밍된 감지기는 '5' 이미지가 레이어를 통과한 후 감지기에 닿는 대부분의 빛을 보게 됩니다.

UCLA 연구원들은 두 번째 감지기 세트를 시스템에 추가하여 시스템의 정확도를 크게 높였습니다. 따라서 이제 각 객체 유형은 하나가 아닌 두 개의 감지기로 표시됩니다. 연구원들은 물체 유형에 할당된 감지기 쌍 간의 신호 차이를 늘리는 것을 목표로 했습니다. 직관적으로 이는 두 돌의 무게가 비슷하거나 다른지 구별하기 위해 왼손과 오른손으로 동시에 두 개의 돌의 무게를 재는 것과 유사합니다.

이러한 시스템은 조명광 및 간단한 검출기 회로를 제외하고는 빛의 속도로 그리고 광범위한 전력이 필요 없이 3D 제작 재료 구조 내부에서 광물질 상호 작용 및 광학 회절을 통해 기계 학습 작업을 수행합니다. 연구원에 따르면 이러한 발전을 통해 광자와 가벼운 물질의 상호 작용만을 사용하여 장면에서 계산을 수행하는 작업별 스마트 카메라가 가능해 매우 빠르고 전력 효율성이 높아질 수 있습니다.

연구원들은 CIFAR-10 이미지 데이터세트로 알려진 손으로 쓴 숫자, 의류 품목, 다양한 차량 및 동물의 이미지 데이터세트를 사용하여 시스템의 정확성을 테스트했습니다. 이미지 인식 정확도는 각각 98.6%, 91.1%, 51.4%로 나타났습니다.

이러한 결과는 이전 세대의 모든 전자 심층 신경망과 매우 유리하게 비교됩니다. 최신 전자 시스템은 성능이 더 뛰어나지만 연구원들은 전광학 시스템이 추론 속도, 저전력, 더 많은 물체를 병렬로 수용하고 식별할 수 있도록 확장할 수 있는 능력 등의 장점이 있다고 제안합니다.

자세한 내용은 Amy Akmal에게 문의하세요. 이 이메일 주소는 스팸봇으로부터 보호됩니다. 보려면 JavaScript를 활성화해야 합니다.