Las redes neuronales artificiales, algoritmos informáticos que se inspiran en el cerebro humano, han demostrado dotes de fantasía tales como la detección de mentiras , el reconocimiento de rostros , y la predicción de ataques al corazón . Pero la mayoría de los ordenadores no pueden funcionar de manera eficiente. Ahora, un equipo de ingenieros ha diseñado un chip de computadora que utiliza rayos de la luz para imitar las neuronas. Estas “redes neuronales ópticas” podrían hacer que cualquier aplicación de los llamados profundo aprendizaje de los asistentes virtuales a la lengua traductores-muchas veces más rápido y más eficiente.
“Se trabaja de forma excelente”, dice Daniel Brunner, un físico del Instituto femto-ST en Besançon, Francia, que no participó en la obra. “Pero creo que las cosas realmente interesantes están aún por venir.”
La mayoría de los equipos de trabajo mediante el uso de una serie de transistores, puertas que permiten que la electricidad pase o no pasa. Pero hace décadas, los físicos se dieron cuenta de que la luz puede hacer que ciertos procesos más eficientes, por ejemplo, la construcción de redes neuronales. Esto se debe a las ondas de luz pueden viajar e interactuar en paralelo, lo que les permite realizar muchas funciones al mismo tiempo. Los científicos han utilizado equipos ópticos para construir redes neuronales simples, pero estas configuraciones requerido mesas llenas de espejos y lentes sensibles. Durante años, el procesamiento fotónico fue despedido como poco práctica.
Ahora, los investigadores del Instituto de Tecnología de Massachusetts (MIT) en Cambridge han logrado condensar gran parte de ese equipo a un microchip sólo unos pocos milímetros de diámetro.
El nuevo chip está hecho de silicio, y que simula una red de 16 neuronas en cuatro “capas” de cuatro. Datos entra el chip en forma de una fracción de haz de láser en cuatro haces más pequeños. El brillo de cada haz de entrar significa un número diferente, o una pieza de información, y el brillo de cada haz que sale representa un número nuevo, la “solución” después de que la información ha sido procesada. En el medio, los caminos de la cruz y la luz interactúan de formas que pueden amplificar o debilitar sus intensidades individuales, las mismas olas del mar así se puede sumar o restar entre sí cuando se cruzan. Estos cruces simular la forma en que una señal desde una neurona a otra en el cerebro se puede intensificar o humedecido basado en la fuerza de la conexión. Los haces de luz pasan también a través de las neuronas simuladas que se ajustan aún más sus intensidades.
computación óptica es eficiente porque una vez que se generan los rayos de luz, viajan e interactúan por su propia cuenta. Puede guiarlos, sin lentes de cristal regulares que utilizan energía, mientras que los transistores requieren electricidad para funcionar.
Luego, los investigadores probaron su red neuronal óptica en una tarea en el mundo real: el reconocimiento de sonidos vocales. Cuando entrenado en las grabaciones de 90 personas haciendo cuatro sonidos de las vocales, las computadoras de la vieja escuela realizaron la tarea con relativa facilidad: Un ordenador que simula una red de 16 neuronas tenía razón el 92% de las veces. Cuando los científicos probaron los mismos datos establecidos en la nueva red, llegaron sorprendentemente cerca, con una tasa de éxito del 77% (pero, por supuesto, más rápido y más eficientemente), que informe de este mes en la revista Nature Photonics . Los investigadores dicen que pueden mejorar el rendimiento con ajustes futuros.
“Parte de la razón por esto es nuevo y emocionante es que utiliza la fotónica de silicio, que es esta nueva plataforma para hacer la óptica en un chip”, dice Alex Tait, un ingeniero eléctrico de la Universidad de Princeton, quien no estuvo involucrado en el trabajo. “Debido a que utiliza silicio, que es potencialmente bajo costo. Son capaces de utilizar las fundiciones existentes para ampliar.”Tait y sus colegas también han desarrollado una red neuronal parcialmente óptica en un chip , que tienen previsto publicar próximamente en Scientific Reports .
Una vez que el sistema incluye más neuronas y las torceduras se elaboran, se podría abastecer los centros de datos, vehículo autónomo, y los servicios de seguridad nacional con redes neuronales que son órdenes de magnitud más rápido que los diseños existentes, mientras que el uso de órdenes de magnitud menos energía, de acuerdo con el dos autores principales del estudio, Yichen Shen, un físico, y Nicholas Harris, un ingeniero eléctrico, tanto en el MIT. Los dos comienzan una empresa y esperamos tener un producto listo en 2 años.
Fuente: Science