La majeure partie du calcul dans les réseaux neuronaux de pointe comprend des opérations linéaires, par exemple des multiplications et des convolutions matrice-vecteur. Les opérations linéaires peuvent également jouer un rôle important en cryptographie. Bien que des processeurs dédiés tels que les GPU et les TPU soient disponibles pour effectuer des opérations linéaires hautement parallèles, ces appareils sont gourmands en énergie et la faible bande passante de l'électronique limite toujours leur vitesse de fonctionnement. L'optique est mieux adaptée à de telles opérations en raison de son parallélisme inhérent, de sa large bande passante et de sa vitesse de calcul.
Construit à partir d'un ensemble de surfaces minces spatialement conçues, des réseaux neuronaux profonds diffractifs (D 2 NN), également connus sous le nom de réseaux diffractifs, forment une architecture informatique optique émergente récemment capable d'effectuer des tâches de calcul de manière passive à la vitesse de propagation de la lumière à travers un volume ultra-mince.
Ces ordinateurs entièrement optiques spécifiques à des tâches sont conçus numériquement grâce à l'apprentissage des caractéristiques spatiales de leurs surfaces diffractives constitutives. À la suite de ce processus de conception unique, les surfaces optimisées sont fabriquées et assemblées pour former le matériel physique du réseau optique diffractif.
Dans leur publication dans Advanced Photonics Nexus , une équipe de chercheurs dirigée par Aydogan Ozcan, professeur chancelier et titulaire de la chaire Volgenau pour l'innovation en ingénierie à l'UCLA, a introduit une méthode pour effectuer des opérations linéaires à valeurs complexes avec des réseaux diffractifs sous un éclairage spatialement incohérent.
Il a été démontré précédemment par le même groupe que les réseaux diffractifs avec des degrés de liberté suffisants peuvent effectuer des transformations linéaires arbitraires à valeurs complexes avec une lumière spatialement cohérente avec une erreur négligeable.
En revanche, avec une lumière spatialement incohérente, ces réseaux peuvent effectuer des transformations linéaires arbitraires des intensités optiques d'entrée si les éléments matriciels définissant la transformation sont réels et non négatifs. Étant donné que les sources d'éclairage spatialement incohérentes sont plus répandues et plus faciles d'accès, il existe un besoin croissant de processeurs diffractifs spatialement incohérents pour traiter les données au-delà des seules valeurs non négatives.
En incorporant des étapes de prétraitement et de post-traitement pour représenter les nombres complexes par un ensemble de nombres réels non négatifs, les chercheurs de l'UCLA ont étendu la puissance de traitement des réseaux diffractifs spatialement incohérents au domaine des nombres complexes.
Ils ont démontré que de tels processeurs diffractifs incohérents peuvent être conçus pour effectuer une transformation linéaire arbitraire à valeurs complexes avec une erreur négligeable s'il existe un nombre suffisant de caractéristiques diffractives de phase uniquement optimisables dans la conception, qui évoluent avec les dimensions du complexe d'entrée et de sortie. espaces vectoriels.
Les chercheurs ont présenté l’application de ce nouveau schéma via le cryptage et le déchiffrement d’images à valeurs complexes à l’aide de réseaux diffractifs spatialement incohérents. Outre le cryptage des images visuelles, de tels processeurs diffractifs spatialement incohérents pourraient également être utiles dans d'autres applications, par exemple dans les véhicules autonomes pour le traitement ultra-rapide et à faible consommation de scènes naturelles.
Plus d'informations : Xilin Yang et al, Transformations linéaires universelles à valeurs complexes et cryptage d'images à l'aide de réseaux diffractifs spatialement incohérents, Advanced Photonics Nexus (2024). DOI :10.1117/1.APN.3.1.016010
Fourni par l'UCLA Engineering Institute for Technology Advancement
