Elektroda.pl
Elektroda.pl
X
Please add exception to AdBlock for elektroda.pl.
If you watch the ads, you support portal and users.

Programowalna sieć neuronowa z plazmonów powierzchniowych do przetwarzania mikrofal

ghost666 06 Jun 2023 07:04 708 0
Optex
  • Programowalna sieć neuronowa z plazmonów powierzchniowych do przetwarzania mikrofal
    Narzędzia AI, oparte na sztucznych sieciach neuronowych (ANN), są wprowadzane w coraz większej liczbie konfiguracji i modeli, pomagając ludziom szybciej i wydajniej rozwiązywać wiele problemów. Podczas gdy większość tych algorytmów działa na konwencjonalnych sprzętach cyfrowych i komputerach, inżynierowie elektronicy badają potencjał uruchamiania ich na alternatywnych platformach, takich jak dyfrakcyjne urządzenia optyczne.

    Zespół badawczy kierowany przez prof. Tie Jun Cui z Southeast University w Chinach opracował ostatnio nową programowalną sieć neuronową bazującą na tak zwanym 'fałszywym polarytonie' plazmonu powierzchniowego (SSPP), który jest powierzchniową falą elektromagnetyczną rozchodzącą się wzdłuż płaskich interfejsów. Ta nowo zaproponowana architektura powierzchniowej, plazmonicznej sieci neuronowej (SPNN), została przedstawiona w artykule w prestiżowym czasopiśmie naukowym: „Nature Electronics”. System ten może wykrywać i przetwarzać mikrofale, co okaże się przydatne w komunikacji bezprzewodowej i innych zastosowaniach technologicznych. „W badaniach nad sprzętem cyfrowym w celu wdrożenia sztucznych sieci neuronowych, optyczne i dyfrakcyjne głębokie sieci neuronowe pojawiły się ostatnio jako obiecujące rozwiązania” — powiedział Qian Ma, jeden z naukowców, który przeprowadził doświadczenia. „Wcześniejsze testy skupiające się na optycznych sieciach neuronowych wykazały, że równoczesna programowalność wysokiego poziomu i obliczenia nieliniowe mogą być trudne do osiągnięcia. Dlatego te urządzenia były zwykle ograniczone do określonych predefiniowanych operacji bez możliwości programowania lub były wykorzystywane tylko do prostych zadań rozpoznawania”.

    Głównym celem ostatnich prac tych badaczy była dalsza poprawa wydajności sieci neuronowych w przypadku złożonych problemów nieliniowych, przy jednoczesnym zapewnieniu ich przydatności do szerokiej gamy zastosowań. SPNN, proponowaną przez nich architekturę, można zaprogramować do różnych konfiguracji wag, co oznacza, że ​​teoretycznie powinna dobrze realizować odmienne zadania.

    Zespół badawczy kierowany przez prof. Cui od kilku lat opracowuje programowalne urządzenia plazmoniczne i bada ich użytek w układach elektromagnetycznych. Zainspirowani swoimi wcześniejszymi odkryciami postanowili oni stworzyć sieć neuronową z programowalnymi wagami i funkcjami aktywacji w oparciu o jedno z takich sprzętów plazmonicznych. W zasadzie przedłożona przez nich architektura mogłaby osiągnąć niezwykłą szybkość przetwarzania, zbliżoną do prędkości światła. „SPNN został zaaranżowany warstwa po warstwie, gdzie każda obejmuje wiele programowalnych superkomórek SSPP” — wyjaśnił Ma. „Każda superkomórka z całkowicie połączoną siecią z czterema: wejściami i wyjściami składa się z ośmiu programowalnych komórek SSPP. Projektujemy trójwymiarową kompozytową strukturę, która sprytnie realizuje charakterystykę pełnego połączenia”.

    Programowalna sieć neuronowa z plazmonów powierzchniowych do przetwarzania mikrofal
    Mechanizm dekodowania w systemie komunikacji bezprzewodowej z wykorzystaniem superkomórki SSPP.
    a) Zdjęcie systemu komunikacyjnego, w którym logo Southeast University zostało przesłane i odebrane przez SPNN.
    b) Mapowanie kodu wejściowego między dwubitowymi symbolami i sygnałami kanałów w procesie kodowania superkomórki SSPP.
    c) Wzory bliskiego pola między układami anten nadawczych i odbiorczych w czterech okolicznościach kodowania.
    d) Mapowanie kodu wyjściowego między dwubitowymi symbolami i sygnałami kanałów w procesie dekodowania superkomórki SSPP. Dzięki procesowi dekodowania zaimplementowanemu przez superkomórkę SSPP w przestrzeni elektromagnetycznej oryginalne odwzorowanie kodu jest przekształcane w uproszczone.


    Każda z programowalnych superkomórek, których naukowcy użyli do zbudowania swojej platformy, składa się z dzielnika mocy SSPP i łącznika. Ta unikalna konstrukcja pozwala niezawodnie manipulować falami elektromagnetycznymi, a następnie wykorzystywać je do tworzenia plazmonicznych sieci neuronowych. „Parametry wagowe sieci neuronowych są dostosowywane poprzez zmianę napięć waraktorów obciążających sprzęgacze” — objaśnia Ma. „Co ważniejsze, funkcję aktywacji można zaadaptować, mierząc intensywność sygnału wejściowego za pomocą detektorów i przekazując wartość progową do wzmacniacza. SPNN może wykonywać zadanie klasyfikacji obrazu, a także być używany do tworzenia systemu komunikacji bezprzewodowej do dekodowania i odzyskiwania obrazów”.

    Najbardziej godnymi uwagi cechami architektury SPNN są programowalne wagi i funkcje aktywacji, które mogą ułatwić zastosowanie sieci do szerokiego pola działań. Niektóre wcześniejsze prace realizowały programowalne sieci neuronowe przy użyciu materiałów zmiennofazowych, ale stwierdzono, że takie podejście skutkuje ograniczonymi zakresami dynamicznymi. „Chociaż dyfrakcyjne głębokie sieci neuronowe mogą elastycznie modulować i przetwarzać fale elektromagnetyczne, ich brak dla nieliniowych funkcji aktywacji ogranicza również ich potencjał do radzenia sobie z bardziej złożonymi problemami, takimi jak operacje logiczne wyłączności lub XOR” — dodał Ma.

    „Nasza proponowana programowalna sieć SPNN oparta na cyfrowych urządzeniach plazmonicznych może wnieść nowe pomysły w tej dziedzinie. Programowalne urządzenia SSPP mogą sterować falami elektromagnetycznymi dzięki prostej architekturze, niskim kosztom i wysokiej wydajności. Stanowi to potencjał do budowy programowalnych sieci neuronowych. Co więcej, możemy użyć systemu sprzężenia zwrotnego w pętli zamkniętej między portami wykrywania a obwodami polaryzacji wzmacniacza, aby zrealizować programowalne funkcje aktywacji”.

    W przyszłości SPNN przygotowany przez ten zespół może zostać wykorzystany do wykrywania i przetwarzania mikrofal na dużą skalę, potencjalnie otwierając w ten sposób nowe możliwości komunikacji bezprzewodowej w zakresie systemów 5G i 6G. W przeciwieństwie do niektórych rozwiązań opartych na SSN do detekcji mikrofal wprowadzonych w przeszłości, SPNN mogą bezpośrednio modulować fale elektromagnetyczne z prędkościami zbliżonymi do pułapu światła. W swoim artykule profesorowie Cui i Ma oraz ich współpracownicy wykazali ponadto, że ta sama architektura dobrze sprawdza się również w innych zadaniach, na przykład w klasyfikowaniu cyfr pisma odręcznego z dużą dokładnością. Przy okazji najbliższych działań planują oni ewaluować SPNN pod kątem innych operacji, jednocześnie zwiększając jego złożoność, aby sieć mogła poradzić sobie z bardziej zaawansowanymi problemami. „Prototyp zaimplementowany w tej pracy bazuje na niewielkiej sieci neuronowej o rozmiarach 4×4” — opisuje Ma. „Struktura SPNN przypomina system obwodów, co oznacza, że ​​skala warstw SPNN mogłaby zostać powiększona bez podbijania gabarytów urządzenia. Na przykład można by stworzyć sześcienną formę, aby zmniejszyć fizyczny rozmiar częściowo połączonego systemu, osiągając wysoką gęstość upakowania w przestrzeni trójwymiarowej. Dodatkowo możemy również ograniczyć wielkość sieci poprzez poprawę pasma częstotliwości pracy”.

    Źródło: https://techxplore.com/news/2023-05-programmable-surface-plasmonic-neural-network.html

    Cool? Ranking DIY
    About Author
    ghost666
    Translator, editor
    Offline 
    Fizyk z wykształcenia. Po zrobieniu doktoratu i dwóch latach pracy na uczelni, przeszedł do sektora prywatnego, gdzie zajmuje się projektowaniem urządzeń elektronicznych i programowaniem. Od 2003 roku na forum Elektroda.pl, od 2008 roku członek zespołu redakcyjnego.
    ghost666 wrote 11809 posts with rating 9944, helped 157 times. Live in city Warszawa. Been with us since 2003 year.
  • Optex