[新聞] 以繞射取代電子的3D列印深度學習神經網路已回收

看板Gossiping作者 (J.K.Lee)時間5年前 (2018/08/04 20:19), 5年前編輯推噓29(31推 2噓 28→)
留言61則, 39人參與, 5年前最新討論串1/3 (看更多)
1.媒體來源: New Atlas 2.完整新聞標題: 3D-printed Deep Learning neural network uses light instead of electrons 以光學繞射取代電子的3D列印深度學習神經網路 3.完整新聞內文: Matt Kennedy August 1st, 2018 It's a novel idea, using light diffracted through numerous plates instead of electrons. And to some, it might seem a little like replacing a computer with an abacus, but researchers at UCLA have high hopes for their quirky, shiny, speed-of-light artificial neural network. 利用光線穿透數個薄板產生的繞射來取代電子是個新奇的概念。一些人可能會認為這有點 像是用算盤來代替電腦，但UCLA的研究人員對這個古怪、閃亮、光速的人工神經網路寄予 厚望。 Coined by Rina Dechter in 1986, Deep Learning is one of the fastest-growing methodologies in the machine learning community and is often used in face, speech and audio recognition, language processing, social network filtering and medical image analysis as well as addressing more specific tasks, such as solving inverse imaging problems. 1986年 Rina Dechter 發明的深度學習是機器學習領域中發展得最快的方法之一，它經常 用於臉部、語音、聲音辨識、語言處理、社群網路篩選與醫學影像分析，以及更特殊的任 務，例如解決逆成像問題。 Traditionally, deep learning systems are implemented on a computer to learn data representation and abstraction and perform tasks, on par with – or better than – the performance of humans. However the team led by Dr. Aydogan Ozcan, the Chancellor's Professor of electrical and computer engineering at UCLA, didn't use a traditional computer set-up, instead choosing to forgo all those energy-hungry electrons in favor of light waves. The result was its all-optical Diffractive Deep Neural Network (D2NN) architecture. 傳統上，是在電腦中建立深度學習系統來學習並執行任務，執行任務的表現與人類相當或 更好。然而UCLA電機電腦工程教授 Aydogan Ozcan 帶領的團隊並沒有使用傳統的電腦， 他們放棄那些耗能的電子裝置改而選擇光波。最後的成果就是全光學繞射深度神經網路 (D2NN)。 https://i.imgur.com/8cd5Czh.jpg
The setup uses 3D-printed translucent sheets, each with thousands of raised pixels, which deflect light through each panel in order to perform set tasks. By the way, these tasks are performed without the use of any power, except for the input light beam. 這個裝置使用3D列印的半透明薄片，每張薄片上有許多凸起的像素，這些像素改變穿過薄 片的光路以執行任務。另外，除了輸入的光束，整個過程不需要任何能量。 The UCLA team's all-optical deep neural network – which looks like the guts of a solid gold car battery – literally operates at the speed of light, and will find applications in image analysis, feature detection and object classification. Researchers on the team also envisage possibilities for D2NN architectures performing specialized tasks in cameras. Perhaps your next DSLR might identify your subjects on the fly and post the tagged image to your Facebook timeline. UCLA團隊的全光學繞射深度神經網路 — 看起來像金色的汽車電池內部 — 實際上以光速 運行，並且將在圖像分析、特徵檢測與物件分類中找到應用。研究人員也設想了D2NN架構 在照相機中執行專門任務的可能性。也許你的下一個數位單眼相機就會動態識別拍攝的主 體並且上傳標記好的圖像到 Facebook 的動態時報。 https://i.imgur.com/5EaigPx.jpg
"Using passive components that are fabricated layer by layer, and connecting these layers to each other via light diffraction created a unique all-optical platform to perform machine learning tasks at the speed of light," said Dr. Ozcan. Ozcan 表示：「使用逐層製造的被動元件，經由光繞射將這些層相互連結，創造出一個獨 特的全光學平台，以光速執行機器學習任務」。 For now though, this is a proof of concept, but it shines a light on some unique opportunities for the machine learning industry. 就目前而言，這是一個概念驗證，但它為機器學習行業提供了一些獨特的機會。 The research has been published in the journal Science. 該研究發表在《科學》期刊上。 Source: The Ozcan Research Group 4.完整新聞連結 (或短網址): https://newatlas.com/diffractive-deep-neural-network-uses-light-to-learn/55718/ 5.備註: 學習(訓練)過程應該還是要靠電腦，等學成後就可以印出來靠光學繞射執行任務。 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 36.230.48.139 ※ 文章網址: https://www.ptt.cc/bbs/Gossiping/M.1533385181.A.9BF.html
→
08/04 20:20, 5年前 , 1F
我文組
08/04 20:20, 1F
推
08/04 20:20, 5年前 , 2F
這是新聞還是期刊
08/04 20:20, 2F
推
08/04 20:20, 5年前 , 3F
我電機系 看無 文組解釋一下
08/04 20:20, 3F
→
08/04 20:20, 5年前 , 4F
有兩個關鍵字
08/04 20:20, 4F
推
08/04 20:21, 5年前 , 5F
繞過去
08/04 20:21, 5F
推
08/04 20:21, 5年前 , 6F
"習神經" -此文已遮蔽-
08/04 20:21, 6F
噓
08/04 20:22, 5年前 , 7F
還好八 台灣PTT早就有人先繞過了
08/04 20:22, 7F
推
08/04 20:22, 5年前 , 8F
電機系看無+1
08/04 20:22, 8F
→
08/04 20:23, 5年前 , 9F
「Science」 是期刊的名稱吧？
08/04 20:23, 9F
推
08/04 20:23, 5年前 , 10F
有看不懂的麻煩#MeToo
08/04 20:23, 10F
推
08/04 20:24, 5年前 , 11F
沒有很難懂，但還是挺有趣的
08/04 20:24, 11F
→
08/04 20:24, 5年前 , 12F
請文組解釋一下 機械學習
08/04 20:24, 12F
→
08/04 20:24, 5年前 , 13F
那就是光碟片啊幹
08/04 20:24, 13F
※ 編輯: JKLee (36.230.48.139), 08/04/2018 20:25:44
推
08/04 20:25, 5年前 , 14F
光驅動的rom
08/04 20:25, 14F
推
08/04 20:26, 5年前 , 15F
簡單說就是在講電腦的東西
08/04 20:26, 15F
推
08/04 20:28, 5年前 , 16F
是繞過電子的意思嗎
08/04 20:28, 16F
→
08/04 20:35, 5年前 , 17F
三樓不要嘲諷啦XD
08/04 20:35, 17F
→
08/04 20:35, 5年前 , 18F
不過這是期刊吧~
08/04 20:35, 18F
→
08/04 20:35, 5年前 , 19F
用繞射直接print成果的確很好玩啦
08/04 20:35, 19F
→
08/04 20:35, 5年前 , 20F
是用物理方式架構神經網路以減少能耗
08/04 20:35, 20F
推
08/04 20:36, 5年前 , 21F
比爾陳表示:野雞學校......
08/04 20:36, 21F
推
08/04 20:38, 5年前 , 22F
那葛一片一片的不是也會吸光
08/04 20:38, 22F
→
08/04 20:43, 5年前 , 23F
用透明材質做光波相位調變 穿透率很高
08/04 20:43, 23F
推
08/04 20:47, 5年前 , 24F
但是沒法修改 等於唯讀光碟
08/04 20:47, 24F
推
08/04 20:50, 5年前 , 25F
就是一種光子電腦啊
08/04 20:50, 25F
→
08/04 20:50, 5年前 , 26F
只是訓練過程還是要由傳統電路進行
08/04 20:50, 26F
推
08/04 20:51, 5年前 , 27F
印好的東西不能改 所以是光學式ROM?
08/04 20:51, 27F
→
08/04 20:51, 5年前 , 28F
之後再用3D列印出來訓練好的神經模型
08/04 20:51, 28F
→
08/04 20:51, 5年前 , 29F
純粹光學ROM無法計算啊，這個裝置可以
08/04 20:51, 29F
→
08/04 20:52, 5年前 , 30F
好處應該就是極端節省能源
08/04 20:52, 30F
→
08/04 20:53, 5年前 , 31F
處理時間也跟光速一樣快
08/04 20:53, 31F
推
08/04 21:05, 5年前 , 32F
這題目真是把老派和新潮的噱頭全拼在一起
08/04 21:05, 32F
推
08/04 21:15, 5年前 , 33F
跟我想的一樣
08/04 21:15, 33F
推
08/04 21:16, 5年前 , 34F
這在公撒洨~?
08/04 21:16, 34F
推
08/04 21:23, 5年前 , 35F
好像有點厲害
08/04 21:23, 35F
推
08/04 21:28, 5年前 , 36F
滿有趣的，這樣可以真的 realtime 處理
08/04 21:28, 36F
→
08/04 21:28, 5年前 , 37F
也不耗能
08/04 21:28, 37F
推
08/04 21:40, 5年前 , 38F
寫的是中文 一句都看不懂…
08/04 21:40, 38F
→
08/04 22:03, 5年前 , 39F
模型實體化
08/04 22:03, 39F
噓
08/04 22:07, 5年前 , 40F
你的備註就是沒看懂內文
08/04 22:07, 40F
可以指出我的錯誤在哪裡嗎? ※ 編輯: JKLee (36.230.48.139), 08/04/2018 22:12:45
推
08/04 22:28, 5年前 , 41F
能想到這點子還滿屌的 物理nn
08/04 22:28, 41F
推
08/04 22:40, 5年前 , 42F
說真的光看文就會懂也是厲害...
08/04 22:40, 42F
推
08/04 23:03, 5年前 , 43F
繞過去？就要請繞過去大師yo叔解釋
08/04 23:03, 43F
推
08/05 00:59, 5年前 , 44F
個人理解是用3D列印印出已經訓練好的網路
08/05 00:59, 44F
→
08/05 00:59, 5年前 , 45F
然後用光輸入問題，直接用繞射特性穿過
08/05 00:59, 45F
→
08/05 00:59, 5年前 , 46F
印出來的陣列網路解答
08/05 00:59, 46F
推
08/05 01:13, 5年前 , 47F
訓練完才能印吧，不然不可能
08/05 01:13, 47F
→
08/05 01:14, 5年前 , 48F
不然每一層都固定了是要怎麼訓練
08/05 01:14, 48F
→
08/05 01:34, 5年前 , 49F
實際上你印不準 印出參數你也複製不出系
08/05 01:34, 49F
→
08/05 01:34, 5年前 , 50F
統 這想法應該是只拿最後級取樣去做簡單t
08/05 01:34, 50F
→
08/05 01:34, 5年前 , 51F
rain 之後也只解讀最後一張圖 改架構應
08/05 01:34, 51F
→
08/05 01:34, 5年前 , 52F
該是直接換整片元件
08/05 01:34, 52F
推
08/05 02:09, 5年前 , 53F
同意樓上 重點在印不準的影響很大 而文章說
08/05 02:09, 53F
→
08/05 02:11, 5年前 , 54F
的訓練不是指訓練元件 元件只是分樣工具
08/05 02:11, 54F
→
08/05 02:13, 5年前 , 55F
他要用這工具來完成machine learning
08/05 02:13, 55F
→
08/05 02:13, 5年前 , 56F
而元件設計應該可以簡單靠模擬得到
08/05 02:13, 56F
推
08/05 03:22, 5年前 , 57F
3D列印的精度會影響印出的薄片是否忠實
08/05 03:22, 57F
→
08/05 03:22, 5年前 , 58F
反應訓練好的參數
08/05 03:22, 58F
推
08/05 08:01, 5年前 , 59F
光電腦想靠深度學習借屍還魂還是太難
08/05 08:01, 59F
推
08/05 09:13, 5年前 , 60F
感覺體積頗大，還不實用
08/05 09:13, 60F
推
08/05 10:56, 5年前 , 61F
這超沒彈性
08/05 10:56, 61F
‣ 更多 JKLee 的文章
文章代碼(AID): #1RPPdTc_ (Gossiping)
討論串 (同標題文章)
以下文章回應了本文：
完整討論串 (本文為第 1 之 3 篇)：
排序： 最舊先 | 最新先 | 留言數
在新視窗開啟完整討論串 (共3篇)
‣ 更多 JKLee 的文章
文章代碼(AID): #1RPPdTc_ (Gossiping)