Un equipo de investigadores de la Universidad de California ha desarrollado un tipo novedoso de red neuronal, una que utiliza luz en lugar de electricidad para llegar a resultados. En su artículo publicado en la revista Ciencias , el grupo describe sus ideas, su dispositivo de trabajo, su desempeño, y los tipos de aplicaciones que creen que podrían ser bien atendidas por dicha red.

Las redes de aprendizaje profundo son sistemas informáticos que "aprenden" al observar muchos ejemplos de tipos de datos y luego usan patrones que se desarrollan como una forma de interpretar nuevos datos. Como todas las demás computadoras, funcionan con electricidad. En este nuevo esfuerzo, los investigadores han encontrado una manera de crear una red de aprendizaje profundo que no usa electricidad en absoluto; en cambio, usa luz. Lo llaman red neuronal difractiva profunda, o más sucintamente, D ² NN.

Para construir una red de este tipo, los investigadores crearon pequeñas placas de plástico impresas con una impresora 3D. Cada placa representaba una capa de neuronas virtuales, y cada neurona podía comportarse como su contraparte biológica transmitiendo o reflejando la luz entrante. En su ejemplo, utilizaron cinco platos alineados cara a cara con un pequeño espacio entre ellos. Cuando el sistema estaba funcionando, la luz de un láser se dirigió a la primera placa y se abrió paso hasta la segunda, tercera, cuarto y quinto de una manera que reveló información sobre un objeto colocado frente al dispositivo. Un sensor en la parte posterior leyó la luz e interpretó lo que se encontró.

Para probar su idea, los investigadores optaron por crear una red neuronal física capaz de reconocer los números del cero al nueve, y luego informar lo que encontró. En la práctica, al sistema se le mostró un número en una pantalla y respondió identificando el número y luego mostrándolo usando el sensor. El sistema se alimentó a 55, 000 imágenes de números que habían sido escaneados. Esta fase de aprendizaje requería el uso de electricidad, ya que se ejecutaba en una computadora que alimentaba el sistema con los datos. Al probar su sistema mostrándole miles de números, los investigadores informan que tenía una precisión aproximada del 95 por ciento. Señalan que su dispositivo fue una prueba de concepto y podría resultar útil como medio para desarrollar dispositivos dedicados para aplicaciones que requieren velocidad, como identificar caras entre una multitud de personas en movimiento.

© 2018 Tech Xplore