Dalam era digital hari ini, tugas pengiraan telah menjadi semakin kompleks. Ini, seterusnya, telah membawa kepada pertumbuhan eksponen dalam kuasa yang digunakan oleh komputer digital. Oleh itu, adalah perlu untuk membangunkan sumber perkakasan yang boleh melaksanakan pengkomputeran berskala besar dengan cara yang cepat dan cekap tenaga.
Dalam hal ini, komputer optik, yang menggunakan cahaya dan bukannya elektrik untuk melakukan pengiraan, adalah menjanjikan. Mereka berpotensi memberikan kependaman yang lebih rendah dan penggunaan kuasa yang dikurangkan, mendapat manfaat daripada keselarian itu sistem optik mempunyai. Hasilnya, penyelidik telah meneroka pelbagai reka bentuk pengkomputeran optik.
Sebagai contoh, optik difraktif rangkaian direka bentuk melalui gabungan optik dan pembelajaran mendalam untuk secara optik melaksanakan tugas pengiraan yang kompleks seperti pengelasan imej dan pembinaan semula. Ia terdiri daripada timbunan lapisan difraktif berstruktur, setiap satu mempunyai beribu-ribu ciri/neuron difraktif. Lapisan pasif ini digunakan untuk mengawal interaksi jirim cahaya untuk memodulasi cahaya input dan menghasilkan output yang dikehendaki. Penyelidik melatih rangkaian difraktif dengan mengoptimumkan profil lapisan ini menggunakan pembelajaran mendalam alatan. Selepas fabrikasi reka bentuk yang terhasil, rangka kerja ini bertindak sebagai modul pemprosesan optik kendiri yang hanya memerlukan sumber pencahayaan input untuk dikuasakan.
Setakat ini, penyelidik telah berjaya mereka bentuk rangkaian difraktif monokromatik (pencahayaan panjang gelombang tunggal) untuk melaksanakan satu linear transformasi (pendaraban matriks) operasi. Tetapi adakah mungkin untuk melaksanakan lebih banyak transformasi linear secara serentak? Kumpulan penyelidikan UCLA yang sama yang mula-mula memperkenalkan rangkaian optik difraktif baru-baru ini telah menangani soalan ini. Dalam kajian terbaru yang diterbitkan dalam Fotonik Lanjutan, mereka menggunakan skim pemultipleksan panjang gelombang dalam rangkaian optik difraktif dan menunjukkan kebolehlaksanaan menggunakan difraktif jalur lebar pemproses untuk melaksanakan operasi transformasi linear selari secara besar-besaran.
Profesor Aydogan Ozcan Canselor UCLA, ketua kumpulan penyelidikan di Sekolah Kejuruteraan Samueli, menerangkan secara ringkas seni bina dan prinsip pemproses optik ini: "Pemproses optik difraksi jalur lebar mempunyai medan pandangan input dan output dengan Ni dan No piksel, masing-masing. Mereka disambungkan oleh lapisan difraktif berstruktur berturut-turut, diperbuat daripada bahan transmissive pasif. Kumpulan N yang telah ditetapkanw panjang gelombang diskret mengekod maklumat input dan output. Setiap panjang gelombang didedikasikan untuk fungsi sasaran yang unik atau transformasi linear bernilai kompleks," jelasnya.
“Transformasi sasaran ini boleh ditetapkan secara khusus untuk fungsi yang berbeza seperti klasifikasi dan pembahagian imej, atau ia boleh didedikasikan untuk mengira operasi penapis konvolusi yang berbeza atau lapisan yang disambungkan sepenuhnya dalam rangkaian saraf. Semua penjelmaan linear atau fungsi yang diingini ini dilaksanakan serentak pada kelajuan cahaya, di mana setiap fungsi yang dikehendaki ditetapkan kepada panjang gelombang yang unik. Ini membolehkan pemproses optik jalur lebar untuk mengira dengan daya pemprosesan yang melampau dan selari.
Para penyelidik menunjukkan bahawa reka bentuk pemproses optik berbilang panjang gelombang sedemikian boleh menghampiri Nw penjelmaan linear yang unik dengan ralat yang boleh diabaikan apabila jumlah bilangan ciri difraksi N adalah lebih daripada atau sama dengan 2NwNiNo. Kesimpulan ini disahkan untuk Nw > 180 transformasi berbeza melalui simulasi berangka dan sah untuk bahan dengan sifat serakan yang berbeza. Selain itu, penggunaan N yang lebih besar (3NwNiNo) meningkat Nw seterusnya kepada sekitar 2000 transformasi unik yang semuanya dilaksanakan secara optikal secara selari.
Mengenai prospek reka bentuk pengkomputeran baharu ini, Ozcan berkata, "Pemproses difraksi berbilang panjang gelombang selari besar-besaran sedemikian akan berguna untuk mereka bentuk sistem penglihatan mesin pintar berdaya tinggi dan pemproses hiperspektral, dan boleh memberi inspirasi kepada banyak aplikasi merentas pelbagai bidang, termasuk pengimejan bioperubatan, penderiaan jauh, kimia analitik dan sains bahan.”
sumber: Pemproses difraktif rekaan pembelajaran mendalam mengira ratusan transformasi secara selari
