※ 本文為 MindOcean 轉寄自 ptt.cc 更新時間: 2018-08-15 08:20:19
看板 Gossiping
作者 標題 [新聞] 突破傳統理解 UCLA開發全光學繞射神經網
時間 Tue Aug 14 22:32:28 2018
突破傳統理解，UCLA 開發出全光學繞射神經網路
https://goo.gl/heThh1
突破傳統理解，UCLA 開發出全光學繞射神經網路 | TechNews 科技新報
![[圖]]()
機器學習領域發展最快的一環，深度學習（Deep learning）為我們帶來許多技術進步，不論圖像分析、語音辨識或語言翻譯都有成功應用，但許多人都相信深度學習的潛力不僅於此。加州大學洛杉磯分校（UCLA）的研究團隊近日便介紹一種從物理機制改變深度學習的特殊概念，未來或有望讓相關應用更進一步發展。
. ...
![[圖]](https://img.technews.tw/wp-content/uploads/2018/08/03000613/opticalneuralnetwork_mid.jpg)
機器學習領域發展最快的一環，深度學習（Deep learning）為我們帶來許多技術進步，
不論圖像分析、語音辨識或語言翻譯都有成功應用，但許多人都相信深度學習的潛力不僅
於此。加州大學洛杉磯分校（UCLA）的研究團隊近日便介紹一種從物理機制改變深度學習
的特殊概念，未來或有望讓相關應用更進一步發展。
不論圖像分析、語音辨識或語言翻譯都有成功應用，但許多人都相信深度學習的潛力不僅
於此。加州大學洛杉磯分校（UCLA）的研究團隊近日便介紹一種從物理機制改變深度學習
的特殊概念，未來或有望讓相關應用更進一步發展。
由 UCLA 電腦工程教授 Aydogan Ozcan 帶領的團隊捨棄了傳統使用的電腦設備，反而選
擇運用全光學物理機制來建立神經網路架構，這個概念團隊稱為「全光學繞射深度神經網
路」（all-optical Diffractive Deep Neural Network, D2NN）。
擇運用全光學物理機制來建立神經網路架構，這個概念團隊稱為「全光學繞射深度神經網
路」（all-optical Diffractive Deep Neural Network, D2NN）。
以現今情況來說，由於深度學習是在電腦運行的系統，不論圖像識別或文字辨識，應用的
設備都必須配合鏡頭或光學感測器來辨識物體，為了讓電腦理解，這些看見的內容還得整
理成數據給電腦讀取，接著系統還得透過數據表示方法及抽象化（Abstraction）搞懂內
容後才能執行任務。
設備都必須配合鏡頭或光學感測器來辨識物體，為了讓電腦理解，這些看見的內容還得整
理成數據給電腦讀取，接著系統還得透過數據表示方法及抽象化（Abstraction）搞懂內
容後才能執行任務。
相較之下，運用全光學的 D2NN 不需要額外的高級電腦程式來處理目標圖像，或是判斷光
學感測器捕捉到的內容究竟是什麼，而也因只需仰賴光學繞射運作，D2NN 並不需要任何
額外耗能便可執行任務。
學感測器捕捉到的內容究竟是什麼，而也因只需仰賴光學繞射運作，D2NN 並不需要任何
額外耗能便可執行任務。
從外觀看起來，D2NN 是由數個 8 平方公分大小的晶圓組成，每個運用 3D 列印製作的半
透明晶圓上都有數萬個凸起像素，透過每個晶圓複雜的像素組合將光線偏折，D2NN 能執
行圖像分析、特徵檢測和對象分類等應用──當然，是以貨真價實的「光速」在執行任務
。
透明晶圓上都有數萬個凸起像素，透過每個晶圓複雜的像素組合將光線偏折，D2NN 能執
行圖像分析、特徵檢測和對象分類等應用──當然，是以貨真價實的「光速」在執行任務
。
如果用領導研究的 Ozcan 教授的話來解釋，D2NN 就是「逐層製造的被動元件透過光學繞
射互相連結，創造出獨特全光學平台，能夠運用光速執行機器學習任務。」
透過使用兆赫茲頻率的光源實際測試 3D 列印出的設計，團隊在手寫數字、時尚產品的圖
像分類證實了這套系統的可行性，團隊相信 D2NN 未來有望協助開發出全新應用概念的相
機，以及可學習特定任務的光學元件。
像分類證實了這套系統的可行性，團隊相信 D2NN 未來有望協助開發出全新應用概念的相
機，以及可學習特定任務的光學元件。
由於 D2NN 的組件都可用 3D 列印生產，未來晶圓大小與層數都還能再往上提升，而這些
更大的系統也可用來處理更複雜的數據及圖像分析，同時成本還非常便宜──根據 UCLA
報導指出，研究團隊創造的 D2NN 設備只需不到 50 美元就能複製。
更大的系統也可用來處理更複雜的數據及圖像分析，同時成本還非常便宜──根據 UCLA
報導指出，研究團隊創造的 D2NN 設備只需不到 50 美元就能複製。
雖然以目前來說，D2NN 還只是一種概念證明，但這確實替機器學習未來的應用開創了獨
特機會，研究論文已經刊登在《科學》（Science）期刊。
特機會，研究論文已經刊登在《科學》（Science）期刊。
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 118.166.175.188
※ 文章代碼(AID): #1RSkW07P (Gossiping)
※ 文章網址: https://www.ptt.cc/bbs/Gossiping/M.1534257152.A.1D9.html
推 : UCLA是哪裡來的野雞大學…咦！？1F 223.140.159.255 台灣 08/14 22:32
→ : 推文沒有繞過去 我就 繞過來2F 118.171.145.172 台灣 08/14 22:33
→ axzs1111 …
推 : 還不是抄襲yoyodiy的理論4F 42.77.235.200 台灣 08/14 22:33
→ : 哪間學店5F 218.164.206.13 台灣 08/14 22:33
推 : 哪間學店 排名有UCCU高嗎6F 36.224.181.22 台灣 08/14 22:33
推 : yoyodiy領先全球7F 118.166.132.83 台灣 08/14 22:34
推 : 酷ㄛ8F 36.228.108.152 台灣 08/14 22:34
→ : 繞過9F 112.105.117.93 台灣 08/14 22:34
推 : 幹 這個出來AI就泡泡了啊10F 166.48.215.126 加拿大 08/14 22:35
→ : 起碼做圖像辨識德就不用玩了
→ : 起碼做圖像辨識德就不用玩了
推 : yoyo領先全球12F 58.114.18.42 台灣 08/14 22:35
推 : 一個繞過的概念13F 27.242.166.54 台灣 08/14 22:36
→ : UCLA哪間學店 有大業的一根腳趾頭強嗎14F 42.77.38.105 台灣 08/14 22:37
推 : 霍金的輪椅領先全球15F 39.12.2.206 台灣 08/14 22:37
推 : 不懂..............................16F 1.164.136.31 台灣 08/14 22:37
推 : 跟我想的…給推17F 36.228.103.243 台灣 08/14 22:38
推 : 這樣要修正神經元跟改變隱藏層層數是不18F 110.50.136.76 台灣 08/14 22:43
→ : 是要再印
→ : 是要再印
推 : 繞20F 118.167.133.140 台灣 08/14 22:43
推 : 創新研究 只能推了21F 111.83.17.84 台灣 08/14 22:44
推 : 光學硬解版ai, 通用程度高嗎？22F 111.83.204.193 台灣 08/14 22:46
推 : 還蠻厲害的23F 111.250.240.207 台灣 08/14 22:46
推 : 光學計算 優點就是快 缺點就是自由度比較24F 220.135.86.153 台灣 08/14 22:49
→ : 低 要改運算方式等於要重作繞射元件
→ : 低 要改運算方式等於要重作繞射元件
推 : 光學的極限會限制效能？26F 203.131.213.42 泰國 08/14 22:57
推 : 哈哈哈UCCU27F 39.12.96.245 台灣 08/14 23:00
推 : 差yo叔一截28F 118.167.172.208 台灣 08/14 23:02
推 : 這東西流行以半導體晶片立國的台灣29F 114.136.135.84 台灣 08/14 23:06
→ : 不就要亡國了嗎
→ : 不就要亡國了嗎
噓 : 不要抄襲我的矮地爾31F 118.166.121.71 台灣 08/14 23:11
推 : 記得前陣子有討論串32F 1.171.197.163 台灣 08/14 23:12
推 : 你也可以用一堆xor gate作啊33F 1.164.137.95 台灣 08/14 23:15
推 : 這我國小自然課做過，只是我們老師看了後還34F 101.9.129.138 台灣 08/14 23:29
→ : 是叫我去養蠶寶寶
→ : 是叫我去養蠶寶寶
推 : 這是科幻小說中的光卡吧 只要有光就會36F 101.15.181.48 台灣 08/14 23:39
→ : 運作一系列的投影
→ : 運作一系列的投影
推 : 翻譯一下38F 223.140.215.179 台灣 08/15 00:00
推 : 這不是幾個月前的 鴿子飛到了?39F 166.170.33.212 美國 08/15 00:06
→ : 用卡片代替演算網路但是印卡的時間不知40F 36.236.112.135 台灣 08/15 00:15
→ : 道已經算過多少回
→ : 道已經算過多少回
推 : StarTrek星艦裡有些零件就類似這個42F 114.40.152.241 台灣 08/15 01:26
--
※ 看板: Gossiping 文章推薦值: 2 目前人氣: 0 累積人氣: 586
2樓 時間: 2018-08-15 10:27:41 (台灣)
→
(編輯過) TW
這有點強！如果內文沒有理解錯誤... 就是直接用光學硬體的方式，判斷圖像、特徵等行為...跳過軟體分析。有點外星科技的fu惹~~~~
3樓 時間: 2018-08-15 11:57:16 (台灣)
→
+1
(編輯過) TW
15年前.就有學物理出身的朋友用OP兜幾個簡單線路再加顆8051.取代當年貴森森的DSP來做語音識別了.當年施振榮還很哈這種技術. 後來DSP太便宜.這招就沒用了. 無線通訊.運算.很多東西都可以回到最初始的物理意義去做有效的處理的.你只要想想OP的很多基本電路跟DSP的關聯. 再推想到現在的智能運算.就知道可不可行了.
5樓 時間: 2018-08-15 12:05:05 (台灣)
→
08-15 12:05 TW
也沒這麼深奧。就是利用多層、透明凸點，在光經過這些凸點繞射後，特定的圖像會產生特定的樣式，就像傳統利用計算來擷取特徵值一樣。有了特定的樣式，自然就可以直接作分類了。推文裡友人說到重點：rcak801: 要改運算方式等於要重作繞射元件 bearq258: 用卡片代替演算網路 這玩意不是通用型，只能作特定領域的處裡。跟ML，DL如果有新Sample，re-train就好，差多了。
回列表(←)
分享