Procesamiento 1000 veces más rápido: detector innovador para grandes

Por Optica26 de agosto de 2023

Los investigadores han utilizado un SNPD para mejorar la velocidad y la eficiencia de las redes neuronales ópticas, mostrando un aumento potencial de 1000 veces en las velocidades de procesamiento en comparación con los sensores de cámaras tradicionales. Este avance presagia una nueva era para los sistemas de visión impulsados ​​por IA.

Se podría utilizar ONN difractivo más rápido y energéticamente eficiente para el procesamiento de imágenes y vídeos.

Por primera vez, los investigadores han aprovechado el poder de un fotodetector no lineal normal de superficie (SNPD) para mejorar la velocidad y la eficiencia energética de una red neuronal óptica difractiva (ONN). Este dispositivo innovador allana el camino para el desarrollo de ONN a gran escala, que pueden realizar procesamientos de alta velocidad a la velocidad de la luz de una manera extremadamente eficiente desde el punto de vista energético.

Farshid Ashtiani de Nokia Bell Labs presentará esta investigación en Frontiers in Optics + Laser Science (FiO LS), que se llevará a cabo del 9 al 12 de octubre de 2023 en el Greater Tacoma Convention Center en Tacoma (área metropolitana de Seattle), Washington.

“La inteligencia artificial (IA) desempeña un papel cada vez más importante en nuestras vidas. Desde grandes modelos lingüísticos hasta coches autónomos, vemos mejoras significativas gracias a la IA”, explica Ashtiani. “Las redes neuronales, inspiradas en la forma en que el cerebro humano aprende y realiza diversas tareas, están en el centro del progreso de la IA. Una de las aplicaciones más extendidas de las redes neuronales es el reconocimiento de patrones y objetos, lo que da visión a las máquinas. Por ejemplo, todo coche autónomo, o incluso semiautónomo, debe comprender su entorno y poder ver cosas”.

Conjunto de detectores. Crédito: Farshid Ashtiani, Nokia Bell Labs

"Convencionalmente, las imágenes se toman con cámaras, se convierten en señales eléctricas y se procesan mediante procesadores electrónicos como CPU o GPU para el reconocimiento de objetos", dijo Mohamad Hossein Idjadi, Nokia Bell Labs.

“Sin embargo, dado que las imágenes se encuentran originalmente en el dominio óptico (es decir, la luz), puede ser más rápido y energéticamente más eficiente procesarlas ópticamente utilizando ONN. Entre las diferentes tecnologías, las ONN basadas en moduladores de luz espaciales permiten el procesamiento óptico de imágenes y vídeos de alta resolución. Este procesamiento requiere módulos no lineales y los sensores de cámara se utilizan convencionalmente para introducir esta no linealidad necesaria, lo que lleva varios milisegundos.

“Nuestro novedoso dispositivo detector hace que este procesamiento no lineal sea 1.000 veces más rápido y más eficiente energéticamente que este tipo de cámaras. Esto es crucial para la próxima generación de sistemas de visión artificial, ya que todos necesitamos dispositivos inteligentes aún más rápidos que no consuman mucha energía”.

Los ONN difractivos en el espacio libre utilizan moduladores de luz espaciales y son particularmente prometedores para crear redes de neuronas a gran escala necesarias para el procesamiento de imágenes y videos. Sin embargo, la velocidad y la eficiencia energética de este tipo de ONN suelen estar limitadas por el sensor de imagen utilizado para implementar la función de activación no lineal que implementa múltiples capas de neuronas para crear una red neuronal profunda.

Detector único. Crédito: Farshid Ashtiani, Nokia Bell Labs

En el nuevo trabajo, los investigadores propusieron el uso de un SNPD, que habían demostrado previamente como un modulador electroóptico de alta velocidad, en ONN difractivas de alta resolución. Las pruebas demostraron que el SNPD tenía un ancho de banda de 3 dB de 61 kHz, correspondiente a menos de 6 microsegundos, aproximadamente 1.000 veces más rápido que el tiempo de respuesta típico de los sensores de cámara utilizados convencionalmente en este tipo de ONN. El sensor también consume sólo unos 10 nW/píxel, lo que supone tres órdenes de magnitud más eficiente que una cámara típica.

To gauge the sensor’s efficacy within an ONN, the researchers input images into the convolution layer – the primary building block of the neural network. The convolution layer had 32 parallel 3 × 3 kernels with a stride of one and used the actually measured SNPD response as its activation function instead of the standard rectified linear activation function. With this simulation setup, the network achieved a test classification accuracyHow close the measured value conforms to the correct value." data-gt-translate-attributes="[{"attribute":"data-cmtooltip", "format":"html"}]">precisión de aproximadamente el 97%, que es el mismo rendimiento que usar una función de activación lineal rectificada ideal en la misma red.

La investigación demuestra el potencial del uso de un SNPD en ONN difractivas en el espacio libre. El hecho de que el detector sea tres órdenes de magnitud más rápido y más eficiente que una cámara lo convierte en un candidato prometedor para su uso en configuraciones ONN de espacio libre a gran escala.

"Necesitamos fabricar una gran cantidad de nuestros dispositivos detectores, potencialmente millones de ellos, para construir un sistema de visión completo y competir con la alta resolución proporcionada por las cámaras convencionales", añadió Stefano Grillanda, Nokia Bell Labs. “La buena noticia es que esto es tecnológicamente posible. Otra vía a considerar es reducir aún más la huella, el consumo de energía y el tiempo de respuesta del detector para convertirlo en una solución aún mejor para futuros sistemas de visión de IA”.

Encuentro: Fronteras en Óptica + Ciencia del Láser