日常生活中有许多设备使用电脑摄像头来识别物体——想想自动取款机,它可以在你存入支票时“读取”手写的金额,或者互联网搜索引擎可以快速将照片与数据库中的其他类似图像进行匹配。但这些系统依靠一种设备来为物体成像,首先用摄像机或光学传感器“看到”它,然后将它看到的处理成数据,最后使用计算程序来弄清楚它是什么。

该网络由一系列聚合物层组成,利用通过它的光工作。每一层都是8平方厘米。(Ozcan研究小组/加州大学洛杉矶分校)

研究人员已经创建了一个物理人工神经网络——一个模拟人类大脑工作方式的装置——它可以分析大量数据并以实际光速识别物体。它被称为衍射深度神经网络,利用物体自身反射的光来识别该物体,时间短得就像计算机简单地“看到”该物体一样。这种设备不需要高级的计算程序来处理物体的图像,并在光学传感器拾取物体后确定它是什么。而且设备运行时不会消耗能量,因为它只利用光的衍射。

基于该设备的新技术可用于加快涉及分类和识别物体的数据密集型任务;例如,使用该技术的无人驾驶汽车可以对停止标志做出即时反应,甚至比使用当前技术更快。有了基于该系统的设备,汽车就可以在信号发出的光线照射到标识上时“读取”该标识,而不必等待汽车的摄像头对该物体成像,然后使用计算机来计算出该物体是什么。基于该发明的技术还可以用于显微成像和医学,例如,从数百万细胞中筛选疾病迹象。它可以扩大规模,使新的相机设计和独特的光学组件被动地在医疗技术、机器人、安全或任何图像和视频数据至关重要的应用中工作。

光学神经网络原理图。数字“5”作为光信号通过由人工神经元组成的层发送。当光穿过这些层时,会发生反射,但当它离开时,最亮的信号会被探测器接收到,只寻找一个“5”。(Ozcan Research Group/UCLA)

创建人工神经网络的过程始于计算机模拟设计。然后,研究人员用3D打印机制造了非常薄的8平方厘米的聚合物晶圆。每个晶圆片的表面都不均匀,这有助于衍射来自物体不同方向的光。这些层看起来不透明,但实验中使用的亚毫米波长太赫兹频率的光可以穿过它们。每一层都由数万个人工神经元组成;在这种情况下,光通过微小的像素传播。

一系列像素化的层就像一个“光网络”,它决定了来自物体的入射光如何通过它们。该网络可以识别一个物体,因为来自该物体的光大部分衍射到指定给该物体类型的单个像素。然后,研究人员用一台计算机训练该网络,通过学习每个物体发出的光通过设备时产生的衍射光模式,来识别它前面的物体。这种“训练”使用了人工智能的一个叫做深度学习的分支,机器通过重复和随着时间的推移而形成模式来“学习”。

该设备可以准确识别手写数字和衣物,这两者都是人工智能研究中常用的测试。为了做到这一点,将图像放置在太赫兹光源前面,该设备可以通过光学衍射“看到”这些图像。

因为它的组件可以由3D打印机创建,人工神经网络可以用更大的和额外的层来制作,从而产生一个拥有数亿人工神经元的设备。这些更大的设备可以同时识别更多的对象或执行更复杂的数据分析。而且这些部件的制造成本很低——制造出来的设备可以以不到50美元的价格复制。

欲了解更多信息,请联系Amy Akmal此电子邮件地址正在受到垃圾邮件程序的保护。您需要启用JavaScript来查看它。;310-429-8689。


科技简报》杂志

本文首次发表于2019年2月号技术简介杂志。

请阅读本期更多文章在这里

阅读更多来自档案馆的文章在这里