Un nouveau détecteur ouvre la voie à des réseaux de neurones optiques à grande échelle

Pour la première fois, des chercheurs ont utilisé un photodétecteur non linéaire normal à la surface (SNPD) pour améliorer la vitesse et l’efficacité énergétique d’un réseau neuronal optique diffractif (ONN). Le nouveau dispositif jette les bases des ONN à grande échelle, capables d’effectuer un traitement à grande vitesse à la vitesse de la lumière et de manière extrêmement économe en énergie.

Farshid Ashtiani de Nokia Bell Labs présentera cette recherche à Frontiers in Optics + Laser Science (FiO LS), qui se tiendra du 9 au 12 octobre 2023 au Greater Tacoma Convention Center à Tacoma (région du Grand Seattle), Washington.

« L’intelligence artificielle (IA) joue un rôle de plus en plus important dans nos vies. Des grands modèles linguistiques aux voitures autonomes, nous constatons des améliorations significatives permises par l’IA », explique Ashtiani.

« Les réseaux de neurones, inspirés par la façon dont le cerveau humain apprend et exécute diverses tâches, sont au cœur des progrès de l’IA. L’une des applications les plus répandues des réseaux de neurones est la reconnaissance de modèles et d’objets, ce qui donne une vision aux machines. Par exemple, chaque Une voiture autonome, voire semi-autonome, doit comprendre son environnement en étant capable de voir les choses. »

« Conventionnellement, les images sont prises par des caméras, converties en signaux électriques et traitées à l’aide de processeurs électroniques tels que des processeurs ou des GPU pour la reconnaissance d’objets », a déclaré Mohamad Hossein Idjadi, de Nokia Bell Labs.

« Cependant, étant donné que les images sont à l’origine dans le domaine optique (c’est-à-dire la lumière), il peut être plus rapide et plus économe en énergie de les traiter optiquement à l’aide de l’ONN. Parmi les différentes technologies, les ONN basés sur des modulateurs spatiaux de lumière permettent le traitement optique des images à haute résolution. images et vidéos. Ce traitement nécessite des modules non linéaires et des capteurs de caméra sont classiquement utilisés pour introduire cette non-linéarité nécessaire, ce qui prend plusieurs millisecondes. Notre nouveau dispositif de détection rend ce traitement non linéaire 1000 fois plus rapide et plus économe en énergie que de telles caméras. Ceci est crucial pour le prochaine génération de systèmes de vision industrielle, car nous avons tous besoin de gadgets intelligents encore plus rapides et qui ne consomment pas beaucoup d’énergie. »

Les ONN diffractifs en espace libre utilisent des modulateurs spatiaux de lumière et sont particulièrement prometteurs pour créer les réseaux de neurones à grande échelle nécessaires au traitement des images et des vidéos. Cependant, la vitesse et l’efficacité énergétique de ce type d’ONN sont généralement limitées par le capteur d’image utilisé pour mettre en œuvre la fonction d’activation non linéaire qui met en œuvre plusieurs couches de neurones pour créer un réseau neuronal profond.

Dans ces nouveaux travaux, les chercheurs ont proposé l’utilisation d’un SNPD, qu’ils avaient précédemment démontré comme modulateur électro-optique à grande vitesse, dans des ONN diffractifs à haute résolution. Les tests ont montré que le SNPD avait une bande passante de 3 dB de 61 kHz correspondant à moins de 6 microsecondes, soit environ 1 000 fois plus rapide que le temps de réponse typique des capteurs de caméra classiquement utilisés dans de tels ONN. Le capteur ne consomme également qu’environ 10 nW/pixel, ce qui est trois ordres de grandeur plus efficace qu’une caméra classique.

Pour tester le nouveau capteur dans un ONN, les chercheurs ont saisi des images dans la couche de convolution, le principal élément constitutif du réseau neuronal. La couche de convolution avait 32 noyaux parallèles 3 × 3 avec une foulée de un et utilisait la réponse SNPD réellement mesurée comme fonction d’activation au lieu de la fonction d’activation linéaire rectifiée standard. Avec cette configuration de simulation, le réseau a atteint une précision de classification des tests d’environ 97 %, ce qui équivaut aux mêmes performances que l’utilisation d’une fonction d’activation linéaire rectifiée idéale dans le même réseau.

La recherche démontre le potentiel de l’utilisation d’un SNPD dans les ONN diffractifs en espace libre. Le fait que le détecteur soit trois ordres de grandeur plus rapide et plus efficace qu’une caméra en fait un candidat prometteur pour une utilisation dans les configurations ONN en espace libre à grande échelle.

« Nous devons fabriquer un grand nombre de nos détecteurs, potentiellement des millions, pour construire un système de vision complet et rivaliser avec la haute résolution fournie par les caméras conventionnelles », a ajouté Stefano Grillanda, Nokia Bell Labs. « La bonne nouvelle est que cela est technologiquement possible. Une autre piste à explorer consiste à réduire davantage l’empreinte, la consommation d’énergie et le temps de réponse du détecteur afin d’en faire une solution encore meilleure pour les futurs systèmes de vision IA. »