Оптические нейронные сети

Материал из Википедии — свободной энциклопедии
Перейти к: навигация, поиск

Оптические нейронные сети — реализация искусственных нейронных сетей в виде оптических систем. Для обеспечения параллелизма в цифровом компьютере необходима параллельная работа многих элементов. Занимаемое ими пространство, с учетом пространства, необходимого для изоляции одного элемента от другого, может стать настолько большим, что на пластине кремния не останется места для размещения вычислительных цепей. В то же время соединение элементов с помощью световых лучей не требует изоляции между сигнальными путями, световые потоки могут проходить один через другой без взаимного влияния. Более того, сигнальные пути могут быть расположены в трех измерениях. Плотность путей передачи ограничена только размерами источников света, их дивергенцией и размерами детектора. Кроме того, все сигнальные пути могут работать одновременно, тем самым обеспечивая огромный темп передачи данных. Данное направление позволяет разработать отдельные компоненты необходимые для построения нейрокомпьютера.

История появления оптических нейронных сетей

Идея оптической реализации пространственной структуры межнейронных связей была предложена в 1981г. в ходе исследований возможности ассоциативного поиска информации на основе голографической памяти, проводимых в ЦНИИ «Электроника», (Москва).

Работы по исследованию перспектив использования  многослойных оптических нейронных сетей (ОНС) с высокой связностью элементов теоретически и экспериментально проводились  в 1981-1985гг.  с участием ЦНИИ «Электроника», МФТИ и НПО «Энергия».

Основной целью исследований  было определение функциональных возможностей и быстродействия  систем управления на основе ОНС в условиях конкуренции автоматов, то есть боевых роботов будущего. В отличие от доминирующего направления  создания обучаемых  нейронных систем, авторы исходили из того, что все процедуры принятия решений, в природных аналогах (от мухи до человека) осуществляются на основе уже имеющейся структуры связей нейросети и обучаемость тут не имеет практического значения. В то же время технология ОНС даёт возможность массового производства,  по готовому образцу,  специализированных нейроподобных систем управления со сверхвысоким быстродействием. Альтернативных технических решений, имеющих близкие характеристики, не существует до сих пор.  

Часть результатов была опубликована в 1983-1984гг, как для отечественных [1,2,3], так и для зарубежных читателей [4].  Первые зарубежные публикации по этой теме датируются 1985г. [10].

1. А.с. 1098428 СССР, Нейронная сеть для распознавания образов / Захарченко В.М., Герасимова С.А. Приоритет от 24.05.82[1].

2. Захарченко B.M. Проблемы и перспективы создания нейроподобных устройств обработки информации. Обзоры по электронной технике. Выпуск 1(1006), изд-во ЦНИИ "Электроника", Москва, 1984[2].

3. Захарченко В.М., Скроцкий Г.В.,  Как создать оптический мозг. В сб. Кибернетика. Неограниченные возможности и возможные ограничения. Дела практические. Издательство «Наука», Москва 1983. Стр.119-128[3].

4.Zakharchenko V.M., Skrotsky G.V.  How to Create an Optical Brain.  Cybernetics Today:  Achievments, Challenges, Prospects, Editor I.M.Makarov, MIR Publishers, Moscow, 1984. [4]

Оптические матричные умножители[править | править вики-текст]

Когда искусственные нейронные сети моделируются на цифровом компьютере, присущая им параллельная природа вычислений теряется; каждая операция должна быть выполнена последовательно. Несмотря на большую скорость выполнения отдельных вычислений, количество операций, необходимых для выполнения умножения матриц, может стать слишком большим.

Были предложены различные электронно-оптические устройства, реализующие реальное параллельное матричное умножение [5][6][7].

Голографические корреляторы[править | править вики-текст]

Голографические корреляторы запоминают образцовые изображения в виде либо плоской, либо объемной голограммы и восстанавливают их при когерентном освещении. Входное изображение, которое может быть зашумленным или неполным, подается на вход системы и одновременно коррелируется оптически со всеми запомненными образцовыми изображениями. Эти корреляции обрабатываются пороговой функцией и подаются обратно на вход системы, где наиболее сильные корреляции усиливают входное изображение. Усиленное изображение проходит через систему многократно, изменяясь при каждом проходе до тех пор, пока система не стабилизируется на требуемом изображении.

Таким образом, такие устройства являются физическими аналогами нейронной сети Хопфилда, нейронной сети Коско и многих других.

Оптические-бактериородопсиновые нейронные сети[править | править вики-текст]

С развитием нанофотоники стало возможным в качестве основного материала для изготовления оптических нейросетей, использовать бактериородопсин-содержащие пленки. Белок бактериородопсин близок по функции и структуре к зрительному родопсину. Таким образом, искусственная сетчатка, построенная на этой основе будет наиболее соответствовать физиологическому прототипу. Но на основе бактериродопсин возможно построение не только искусственной сетчатки, но и формального нейрона. Это позволяет в принципе реализовать любые виды современных искусственных нейронных сетей на основе мембран, содержащих белок бактериородопсина.

Следует отметить, что бактериородопсин - не единственный белок используемый в этих целях. Также перспективным для исследования является фотоактивный желтый белок PYP (photoactive yellow protein) - рецепторный белок, который например у организма Ectothiorhodopspira halophila [8]. Этот белок обеспечивает отрицательный фототаксис бактерий - убегание от света.

См. также[править | править вики-текст]

Примечания[править | править вики-текст]

  1. Захарченко В.М., Герасимова С.А. А.С. Нейронная сеть для распознавания образов. Госкомитет СССР по изобретениям (24.05.82).
  2. Захарченко B.M. Проблемы и перспективы создания нейроподобных устройств обработки информации. Издательство ЦНИИ "Электроника", Москва (20.03.1984).
  3. Захарченко В.М., Скроцкий Г.В. Как создать оптический мозг. В сб. Кибернетика. Неограниченные возможности и возможные ограничения.. Издательство «Наука», Москва (1983).
  4. Zakharchenko V.M., Skrotsky G.V. How to Create an Optical Brain. Cybernetics Today: Achievments, Challenges, Prospects. MIR Publishers, Moscow, (1984).
  5. Athale R. A., Friedlander С. В., Kushner C. B. 1986. Attentive associative architectures and their implications to optical computing. Proceedings of the Society of Photo-Optical Instrumentation Engineering 625:179-88
  6. Farhat N. H., Psaltis D., Prata A., Paek E. 1985. Optical implementation of the Hopfield model. Applied optics 24:1469-75
  7. Fisher A. D., Giles C. L, Lee J. N. 1985. An adaptive optical computing element. Proceedings of the Optical Society of America Topical Meeting.
  8. синоним Halorhodospira halophila

Литература[править | править вики-текст]

  • Уоссермен, Ф. Нейрокомпьютерная техника: Теория и практика = Neural Computing. Theory and Practice. — М.: Мир, 1992. — 240 с. — ISBN 5-03-002115-9. глава 9 "Оптические нейронные сети"
  • Савельева-Новосёлова Н. А., Савельев А. В. Принципы офтальмонейрокибернетики // “Искусственный интеллект. Интеллектуальные системы”, Донецк-Таганрог-Минск. — 2009. — С. 117-120.

Ссылки[править | править вики-текст]