Фотонная нейросеть превзошла цифровые аналоги

Ученые Северо-Западного политехнического университета и Университета Юго-Восточного Китая создали физическую нейросеть на основе света, которая достигает до 99,79% точности на MNIST и обходит многие современные цифровые модели.

Разработанная архитектура основана на концепции Extreme Learning Machine (ELM) – типе нейросетей с фиксированным скрытым слоем, где обучение происходит исключительно на выходных весах. Однако ключевое отличие – это реализация скрытого слоя не через программную симуляцию, а с помощью физических оптических процессов. Каждый нейрон в сети получает сигналы через несколько световых путей одновременно – это и называется фотонными мультисинапсами.

Такой формат обеспечивает не только высокую точность распознавания, но и существенно ускоряет работу. Система достигла 99,79% точности на наборе данных MNIST (распознавание рукописных цифр), 98,26% на Fashion-MNIST (изображения одежды) и 90,29% на сложном датасете CIFAR-10 (цветные фотографии объектов). Это выше, чем у большинства подобных архитектур.

Ранее ученые из Пекинского политехнического института и нескольких университетов Азии и Европы разработали новый способ хранения и передачи информации, для которого не нужны электричество, магнитные носители и даже бумага. Исследователям был нужен только лед.