顯示廣告
隱藏 ✕
※ 本文為 MindOcean 轉寄自 ptt.cc 更新時間: 2018-08-15 08:20:19
看板 Gossiping
作者 Hateson (曾經滄海難為水)
標題 [新聞] 突破傳統理解 UCLA開發全光學繞射神經網
時間 Tue Aug 14 22:32:28 2018


突破傳統理解,UCLA 開發出全光學繞射神經網路


https://goo.gl/heThh1
突破傳統理解,UCLA 開發出全光學繞射神經網路 | TechNews 科技新報
[圖]
機器學習領域發展最快的一環,深度學習(Deep learning)為我們帶來許多技術進步,不論圖像分析、語音辨識或語言翻譯都有成功應用,但許多人都相信深度學習的潛力不僅於此。加州大學洛杉磯分校(UCLA)的研究團隊近日便介紹一種從物理機制改變深度學習的特殊概念,未來或有望讓相關應用更進一步發展。 . ...

 


機器學習領域發展最快的一環,深度學習(Deep learning)為我們帶來許多技術進步,

不論圖像分析、語音辨識或語言翻譯都有成功應用,但許多人都相信深度學習的潛力不僅

於此。加州大學洛杉磯分校(UCLA)的研究團隊近日便介紹一種從物理機制改變深度學習

的特殊概念,未來或有望讓相關應用更進一步發展。



由 UCLA 電腦工程教授 Aydogan Ozcan 帶領的團隊捨棄了傳統使用的電腦設備,反而選

運用全光學物理機制來建立神經網路架構,這個概念團隊稱為「全光學繞射深度神經網

路」(all-optical Diffractive Deep Neural Network, D2NN)。



以現今情況來說,由於深度學習是在電腦運行的系統,不論圖像識別或文字辨識,應用的

設備都必須配合鏡頭或光學感測器來辨識物體,為了讓電腦理解,這些看見的內容還得整

理成數據給電腦讀取,接著系統還得透過數據表示方法及抽象化(Abstraction)搞懂內

容後才能執行任務。



相較之下,運用全光學的 D2NN 不需要額外的高級電腦程式來處理目標圖像,或是判斷光

學感測器捕捉到的內容究竟是什麼,而也因只需仰賴光學繞射運作,D2NN 並不需要任何

額外耗能便可執行任務。



從外觀看起來,D2NN 是由數個 8 平方公分大小的晶圓組成,每個運用 3D 列印製作的半

透明晶圓上都有數萬個凸起像素,透過每個晶圓複雜的像素組合將光線偏折,D2NN 能執

行圖像分析、特徵檢測和對象分類等應用──當然,是以貨真價實的「光速」在執行任務




如果用領導研究的 Ozcan 教授的話來解釋,D2NN 就是「逐層製造的被動元件透過光學繞

射互相連結,創造出獨特全光學平台,能夠運用光速執行機器學習任務。」


透過使用兆赫茲頻率的光源實際測試 3D 列印出的設計,團隊在手寫數字、時尚產品的圖

像分類證實了這套系統的可行性,團隊相信 D2NN 未來有望協助開發出全新應用概念的相

機,以及可學習特定任務的光學元件。



由於 D2NN 的組件都可用 3D 列印生產,未來晶圓大小與層數都還能再往上提升,而這些

更大的系統也可用來處理更複雜的數據及圖像分析,同時成本還非常便宜──根據 UCLA

報導指出,研究團隊創造的 D2NN 設備只需不到 50 美元就能複製。



雖然以目前來說,D2NN 還只是一種概念證明,但這確實替機器學習未來的應用開創了獨

特機會,研究論文已經刊登在《科學》(Science)期刊。


--
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 118.166.175.188
※ 文章代碼(AID): #1RSkW07P (Gossiping)
※ 文章網址: https://www.ptt.cc/bbs/Gossiping/M.1534257152.A.1D9.html
pinhanpaul: UCLA是哪裡來的野雞大學…咦!?1F 223.140.159.255 台灣 08/14 22:32
gigi030507: 推文沒有繞過去 我就 繞過來2F 118.171.145.172 台灣 08/14 22:33
axzs1111 
axzs1111: 學店高興什麼 還不是抄襲我們大葉3F 223.137.32.186 台灣 08/14 22:33
ooox: 還不是抄襲yoyodiy的理論4F 42.77.235.200 台灣 08/14 22:33
easyfish: 哪間學店5F 218.164.206.13 台灣 08/14 22:33
kmtlikeslave: 哪間學店 排名有UCCU高嗎6F 36.224.181.22 台灣 08/14 22:33
specialcook: yoyodiy領先全球7F 118.166.132.83 台灣 08/14 22:34
jupitersha: 酷ㄛ8F 36.228.108.152 台灣 08/14 22:34
YSJ543: 繞過9F 112.105.117.93 台灣 08/14 22:34
neo5277: 幹 這個出來AI就泡泡了啊10F 166.48.215.126 加拿大 08/14 22:35
neo5277: 起碼做圖像辨識德就不用玩了
e1q3z9c7: yoyo領先全球12F 58.114.18.42 台灣 08/14 22:35
smokerog: 一個繞過的概念13F 27.242.166.54 台灣 08/14 22:36
Ironstick: UCLA哪間學店 有大業的一根腳趾頭強嗎14F 42.77.38.105 台灣 08/14 22:37
hclstarkid: 霍金的輪椅領先全球15F 39.12.2.206 台灣 08/14 22:37
pinkowa: 不懂..............................16F 1.164.136.31 台灣 08/14 22:37
soarling: 跟我想的…給推17F 36.228.103.243 台灣 08/14 22:38
scott0002: 這樣要修正神經元跟改變隱藏層層數是不18F 110.50.136.76 台灣 08/14 22:43
scott0002: 是要再印
Crazyfire: 繞20F 118.167.133.140 台灣 08/14 22:43
michellehot: 創新研究 只能推了21F 111.83.17.84 台灣 08/14 22:44
twolight: 光學硬解版ai, 通用程度高嗎?22F 111.83.204.193 台灣 08/14 22:46
coolda: 還蠻厲害的23F 111.250.240.207 台灣 08/14 22:46
rcak801: 光學計算 優點就是快 缺點就是自由度比較24F 220.135.86.153 台灣 08/14 22:49
rcak801: 低  要改運算方式等於要重作繞射元件
KasperTW: 光學的極限會限制效能?26F 203.131.213.42 泰國 08/14 22:57
L9C4iO: 哈哈哈UCCU27F 39.12.96.245 台灣 08/14 23:00
BlackBass: 差yo叔一截28F 118.167.172.208 台灣 08/14 23:02
ZMittermeyer: 這東西流行以半導體晶片立國的台灣29F 114.136.135.84 台灣 08/14 23:06
ZMittermeyer: 不就要亡國了嗎
bonfferoni: 不要抄襲我的矮地爾31F 118.166.121.71 台灣 08/14 23:11
chhha: 記得前陣子有討論串32F 1.171.197.163 台灣 08/14 23:12
hcwang1126: 你也可以用一堆xor gate作啊33F 1.164.137.95 台灣 08/14 23:15
fcb9: 這我國小自然課做過,只是我們老師看了後還34F 101.9.129.138 台灣 08/14 23:29
fcb9: 是叫我去養蠶寶寶
kohanchen: 這是科幻小說中的光卡吧 只要有光就會36F 101.15.181.48 台灣 08/14 23:39
kohanchen: 運作一系列的投影
GOOGLEISGOD: 翻譯一下38F 223.140.215.179 台灣 08/15 00:00
ECZEMA: 這不是幾個月前的 鴿子飛到了?39F 166.170.33.212 美國 08/15 00:06
bearq258: 用卡片代替演算網路但是印卡的時間不知40F 36.236.112.135 台灣 08/15 00:15
bearq258: 道已經算過多少回
scarfman: StarTrek星艦裡有些零件就類似這個42F 114.40.152.241 台灣 08/15 01:26

--
※ 看板: Gossiping 文章推薦值: 2 目前人氣: 0 累積人氣: 588 
作者 Hateson 的最新發文:
點此顯示更多發文記錄
分享網址: 複製 已複製
( ̄︶ ̄)b Sifox, leon999su 說讚!
1樓 時間: 2018-08-15 08:40:34 (台灣)
  08-15 08:40 TW
2d的部分一定可行,但3d跟自由度的問題會怎麼解?
2樓 時間: 2018-08-15 10:27:41 (台灣)
     (編輯過) TW
這有點強!如果內文沒有理解錯誤...
就是直接用光學硬體的方式,判斷圖像、特徵等行為...跳過軟體分析。有點外星科技的fu惹~~~~
3樓 時間: 2018-08-15 11:57:16 (台灣)
+1    (編輯過) TW
15年前.就有學物理出身的朋友用OP兜幾個簡單線路再加顆8051.取代當年貴森森的DSP來做語音識別了.當年施振榮還很哈這種技術. 後來DSP太便宜.這招就沒用了. 無線通訊.運算.很多東西都可以回到最初始的物理意義去做有效的處理的.你只要想想OP的很多基本電路跟DSP的關聯. 再推想到現在的智能運算.就知道可不可行了.
4樓 時間: 2018-08-15 12:00:39 (台灣)
     (編輯過) TW
樓上專業!成本決定科技發展的方向~
現在最通用的科技產品,多數都不是最先進科技,而是最便宜且易量產。
5樓 時間: 2018-08-15 12:05:05 (台灣)
  08-15 12:05 TW
也沒這麼深奧。就是利用多層、透明凸點,在光經過這些凸點繞射後,特定的圖像會產生特定的樣式,就像傳統利用計算來擷取特徵值一樣。有了特定的樣式,自然就可以直接作分類了。推文裡友人說到重點:
rcak801: 要改運算方式等於要重作繞射元件 bearq258: 用卡片代替演算網路 這玩意不是通用型,只能作特定領域的處裡。跟ML,DL如果有新Sample,re-train就好,差多了。
r)回覆 e)編輯 d)刪除 M)收藏 ^x)轉錄 同主題: =)首篇 [)上篇 ])下篇