Les réseaux neuronaux optiques convolutifs annoncent une nouvelle ère pour l'imagerie IA
Les réseaux de neurones convolutifs (CNN), avec leurs capacités exceptionnelles de reconnaissance d’images, ont réalisé des performances remarquables dans le domaine de l’IA et notamment au sein de plateformes comme ChatGPT. Récemment, une équipe de chercheurs chinois de l'Université des sciences et technologies de Shanghai a introduit avec succès le concept de CNN dans le domaine de l'optique et a réalisé un réseau neuronal convolutif entièrement optique, apportant des progrès révolutionnaires à la technologie d'imagerie par l'IA.
Dirigée par le professeur Min Gu et le professeur Qiming Zhang de l'École des sciences et technologies de l'intelligence artificielle (SAIST) de l'Université des sciences et technologies de Shanghai (USST), l'équipe de recherche a développé un réseau neuronal optique convolutionnel ultrarapide (ONN), qui permet d'obtenir une imagerie efficace et claire des objets derrière les supports de diffusion sans compter sur l'effet de mémoire optique.
Cette découverte a été publiée dans la revue Progrès scientifiquesdans un article intitulé « Imagerie de diffusion sans mémoire avec réseaux de neurones optiques convolutifs ultrarapides ».
Le Dr Yuchao Zhang, chercheur au SAIST, est le premier auteur. Le professeur Min Gu et le professeur Qiming Zhang sont les auteurs correspondants.
Le cœur des CNN, les opérations convolutives, extrait les caractéristiques locales des images et construit des représentations de caractéristiques plus complexes et abstraites couche par couche, faisant ainsi progresser considérablement les domaines du traitement d'image et de la reconnaissance de formes. Cependant, l’application du concept d’opérations de réseau de convolution au domaine de l’optique se heurte au défi de convertir les signaux électroniques en signaux optiques.
L'équipe de recherche a ingénieusement conçu une solution entièrement optique, effectuant des opérations de réseau de convolution directement dans le domaine optique, éliminant le processus fastidieux de conversion du signal et atteignant de véritables vitesses de calcul optique.
La clé de cette recherche réside dans la construction d’un ONN convolutif à plusieurs étages, composé de plusieurs noyaux parallèles capables de fonctionner à la vitesse de la lumière, extrayant directement les caractéristiques de la lumière diffusée pour une reconstruction rapide des images.
Ce procédé améliore non seulement considérablement la vitesse d'imagerie, mais aussi la qualité de l'image, ce qui rend possible l'imagerie dans des environnements de diffusion complexes. De plus, la vitesse de calcul de l'ONN convolutionnel atteint 1,57 péta-opérations par seconde (POPS), offrant un support robuste pour l'imagerie dynamique en temps réel.
Un autre point fort de cette recherche est sa capacité multitâche. En ajustant simplement la structure du réseau, le même ONN convolutif peut effectuer simultanément diverses tâches de traitement d’images différentes, telles que la classification et la reconstruction, une première dans le domaine de l’intelligence artificielle optique.
Le professeur Qiming Zhang a noté : « Cette combinaison de flexibilité et d'efficacité souligne non seulement l'importance des réseaux convolutifs dans l'intelligence artificielle, mais ouvre également de nouvelles voies pour la technologie d'imagerie optique. »
L’avènement de cette recherche constitue non seulement une transplantation réussie de réseaux neuronaux convolutifs dans le domaine optique, mais également un élan significatif pour la technologie d’imagerie par l’IA.
Le professeur Min Gu a déclaré : « Dans un avenir proche, les réseaux neuronaux optiques convolutifs joueront un rôle de plus en plus essentiel dans la conduite autonome, la vision robotique et l'imagerie médicale. »
Fourni par l'Université de Shanghai pour les sciences et technologies