Une équipe de chercheurs de l'Université de Californie a développé un nouveau type de réseau neuronal, qui utilise la lumière au lieu de l'électricité pour arriver à des résultats. Dans leur article publié dans la revue Science , le groupe décrit ses idées, leur appareil de travail, ses performances, et les types d'applications qui, selon eux, pourraient être bien desservis par un tel réseau.

Les réseaux d'apprentissage en profondeur sont des systèmes informatiques qui « apprennent » en examinant de nombreux exemples de types de données, puis utilisent des modèles qui se développent pour interpréter de nouvelles données. Comme tous les autres ordinateurs, ils fonctionnent à l'électricité. Dans ce nouvel effort, les chercheurs ont trouvé un moyen de créer un réseau d'apprentissage en profondeur qui n'utilise pas du tout d'électricité, à la place, il utilise la lumière. Ils l'appellent un réseau de neurones profonds diffractifs, ou plus succinctement, ré ² NN.

Pour construire un tel réseau, les chercheurs ont créé de petites plaques en plastique imprimées à l'aide d'une imprimante 3D. Chaque plaque représentait une couche de neurones virtuels et chaque neurone pouvait se comporter comme son homologue biologique en transmettant ou en réfléchissant la lumière entrante. Dans leur exemple, ils ont utilisé cinq assiettes alignées face à face avec un petit espace entre elles. Lorsque le système fonctionnait, la lumière d'un laser a été dirigée vers la première plaque et a traversé la seconde, troisième, quatrième et cinquième d'une manière qui a révélé des informations sur un objet placé devant l'appareil. Un capteur à l'arrière a lu la lumière et interprété ce qui a été trouvé.

Pour tester leur idée, les chercheurs ont choisi de créer un réseau neuronal physique capable de reconnaître les chiffres de zéro à neuf, puis rapporter ce qu'il a trouvé. En pratique, le système a montré un numéro sur un écran et a répondu en identifiant le numéro puis en l'affichant à l'aide du capteur. Le système a été alimenté 55, 000 images de nombres qui avaient été scannés. Cette phase d'apprentissage nécessitait l'utilisation de l'électricité car elle fonctionnait sur un ordinateur qui alimentait le système en données. En testant leur système en lui montrant des milliers de chiffres, les chercheurs rapportent qu'il était précis à environ 95 pour cent. Ils notent que leur appareil était une preuve de concept et pourrait s'avérer utile comme moyen de développer des appareils dédiés pour des applications nécessitant de la vitesse, telles que la sélection de visages parmi une foule de personnes en mouvement.

© 2018 Tech Xplore