オールオプティカルニューラルネットワーク･ディープラーニング実証

September, 9, 2019, Washington--パターン認識､リスク管理､その他の同様に複雑なタスクでは､最も強力なコンピュータさえ､まだ人の脳にはかなわない｡とはいえ､光ニューラルネットワークの最近の進歩は､人の脳でニューロンが反応する方法を模擬することで､そのギャプを埋めつつある｡
　大規模な光ニューラルネットワークの実用化を進める重要なステップでは､研究チームは､その種のものでは初めての多層オールオプティカル人工ニューラルネットワークを実証した｡一般に､この種の人工知能は､従来の計算アプローチではできない複雑な問題に取り組むことができるが､現在の設計は､時間がかかり､エネルギー集約的で膨大ななコンピュータリソースを必要とする｡このため､実用的な光人工ニューラルネットワークの開発に大きな関心が集まっている｡このようなネットワークは､従来のコンピュータをベースにしたものよりも高速で､省エネである｡
　Oticaに発表された論文で､香港科学技術大学(HKUST)の研究チームは､2層オールオプティカルニューラルネットワークを詳細に紹介し､それを複雑な分類作業に適用することに成功したと報告している｡
　｢われわれのオールオプティカルスキームは､光の速度で光並列計算を行うニューラルネットワークを可能にし､省エネである｡大規模なオールオプティカルニューラルネットワークなら､画像認識から科学的研究までのアプリケーションに利用できる｣と研究チームのJunwei Liuは話している｡

オールオプティカルネットワークの構築
　従来のハイブリッドオプティカルニューラルネットワークでは､光コンポーネントは､一般に線形動作に使われ､非線形活性化機能は､通常電子的に実装された｡非線形オプティクスは､一般にハイパワーレーザを必要とし､光ニューラルネットワークに実装することが難しいからである｡非線形活性化機能とは､人の脳のニューロンが反応する方法をシミュレートする機能である｡
　この課題を克服するために、研究チームは､非線形機能のために電磁誘導透過を持つ冷却原子を利用した｡｢この光誘導効果は､非常に弱いレーザパワーで達成可能である｡この効果は､非線形量子干渉に基づいているので､われわれのシステムを,古典的方法では扱いにくい問題を解く量子ニューラルネットワークに拡張することができる｣と研究チームのShengwang Duは説明している｡
　その新しいアプローチの能力と実行可能性を確認するために研究チームは､16の入力と2つの出力を持つ､2レイヤーの完全接続オールオプティカルニューラルネットワークを構築した｡チームは､そのオールオプティカルネットワークを利用して､アイシング(Ising)モデル､磁気の統計的モデルの秩序と無秩序相を分類した｡結果は､そのオールオプティカルネットワークが､よく訓練されたコンピュータベースのニューラルネットワークと同様に正確であることを示した｡

大規模オプティカルニューラルネットワーク
　研究チームは､そのオールオプティカルアプローチを大規模なオールオプティカルネットワークに拡張する計画である｡その大規模なニューラルネットワークは､画像認識など特殊な実用的アプリケーション向けに設計された複雑なアーキテクチュアを持つ｡これは､そのスキームが大規模で機能することの証明に役立つ｡
　｢わけわれの研究は概念実証デモであるが､将来的には人工知能の光バージョンの開発が可能になる｡次の世代の人工知能ハードウエアは､今日のコンピュータベースの人工知能と比べて､直感的に､はるかに高速であり､省エネである｣と研究チームはコメントしている｡