Uma rede neural difrativa que pode ser programada de forma flexível

Uma plataforma D2NN reprogramável. a, Uma matriz de metasuperfícies programáveis é usada para construir o PAIM, no qual vários FGPAs são instalados para controlar o fator de ganho de cada neurônio artificial, tornando o PAIM uma máquina inteligente em tempo real e retreinável. b, Diagrama esquemático do PAIM. Um neurônio artificial na camada de aprendizado receberá as ondas irradiadas de todos os neurônios artificiais da camada anterior, tornando a estrutura PAIM uma rede totalmente conectada. O coeficiente de transmissão de cada neurônio artificial pode ser treinado usando métodos de aprendizado supervisionado/não supervisionado ou até mesmo de aprendizado por reforço para alcançar várias funções. A primeira camada atua como a camada de entrada usando coeficientes de transmissão predefinidos para codificar as informações de entrada na distribuição espacial da energia EM. Crédito: Liu et al.

Nas últimas décadas, os algoritmos de machine learning e deep learning tornaram-se cada vez mais avançados, tanto que agora estão sendo introduzidos em uma variedade de configurações do mundo real. Nos últimos anos, alguns cientistas da computação e engenheiros eletrônicos têm explorado o desenvolvimento de um tipo alternativo de ferramentas de inteligência artificial (IA), conhecidas como redes neurais ópticas difrativas.

As redes neurais ópticas difrativas são redes neurais profundas baseadas em tecnologia óptica difrativa (ou seja, lentes ou outros componentes que podem alterar a fase da luz que se propaga através delas). Embora essas redes tenham alcançado velocidades de computação ultrarrápidas e alta eficiência energética, normalmente elas são muito difíceis de programar e adaptar a diferentes casos de uso.

Pesquisadores da Universidade do Sudeste, da Universidade de Pequim e do Laboratório Pazhou na China desenvolveram recentemente uma rede neural difrativa profunda que pode ser facilmente programada para concluir diferentes tarefas. Sua rede, apresentada em um artigo publicado na Nature Electronics, é baseada em uma matriz de metasuperfície flexível e multicamadas.

“Nossa esperança era realizar uma rede neural difrativa na qual cada unidade pudesse ser programada de forma independente e flexível”, disse Tie Jun Cui, um dos pesquisadores que realizaram o estudo, ao TechXplore. “Inspirando-se em nossas pesquisas anteriores sobre metasuperfícies programáveis digitais, metasuperfícies de informação e experiência em regulação eletromagnética, criamos uma máquina de rede neural difrativa programável construindo metasuperfícies transmissivas programáveis multicamadas, que chamamos de máquina de inteligência artificial programável (PAIM).”

A rede neural difrativa dos pesquisadores realiza cálculos que se assemelham aos realizados por redes neurais difrativas ópticas. Mais especificamente, sua rede realiza operações de rede matricial quando ondas eletromagnéticas se propagam através de suas metasuperfícies multicamadas, que se assemelham aos cálculos de velocidade da luz realizados por redes ópticas difrativas.

“O principal avanço do nosso trabalho é que cada neurônio é reprogramável independentemente”, explicou Cui. “Portanto, toda a rede neural pode ser treinada e programada no local e também pode ser treinada repetidamente de acordo com diferentes requisitos de tarefa. Projetamos uma unidade de metasuperfície (neurônio) com coeficientes de transmissão reprogramáveis que integra um chip amplificador de potência.”

Sistema de telecomunicações espaço-tempo com e sem a parte de decodificação do PAIM. a, O sistema de telecomunicações espaço-tempo com a parte de decodificação do PAIM. A primeira camada do PAIM atua como um transmissor, irradiando ondas EM espaço-tempo a 5,5 GHz. As quatro camadas restantes do PAIM são treinadas como um processador de decodificação e remoção de ruído localizado no canal de transmissão. O ambiente EM é prejudicado por um roteador Wi-Fi 5G comercial. No entanto, com a ajuda do decodificador PAIM, a taxa de erro de transmissão diminui para 0,52%, sem atraso de tempo extra para pré-processamento de sinal. b, A distribuição de energia no plano receptor quando o código 3 e o código 4 são transmitidos para o espaço livre sem a parte de decodificação do PAIM. c, A distribuição de energia no plano receptor quando todos os quatro códigos são transmitidos para o espaço livre sem as partes de decodificação do PAIM. d, O sistema de telecomunicações espaço-tempo sem a parte de decodificação do PAIM. A primeira camada do PAIM atua como um transmissor, irradiando ondas EM espaço-tempo (de acordo com quatro códigos de usuário) a 5,5 GHz, que chegam ao receptor por meio de propagação no espaço livre. O ambiente EM é prejudicado por um roteador Wi-Fi 5G comercial, causando uma alta taxa de erro de transmissão (49,02%) ao transmitir uma imagem binária do emblema do nosso laboratório. Crédito: Liu et al.

Cada amplificador na rede dos pesquisadores pode ser controlado digitalmente por meio de uma matriz de portas programáveis em campo (FPGA). FPGAs são sistemas que contêm uma série de diferentes blocos ou unidades lógicas programáveis. No sistema criado por Cui e seus colegas, cada unidade individual pode ser controlada de forma independente, o que permite aos engenheiros programar toda a rede neural e permitir que ela tenha um bom desempenho em tarefas específicas.

“O maior destaque do nosso estudo foi a realização de uma rede neural difrativa programável de forma conveniente e eficiente”, disse Cui. “No passado, as redes neurais profundas de difração óptica eram compostas principalmente por meios ópticos como o dióxido de silício, que eram materiais não ajustáveis. Portanto, esse tipo de rede neural óptica precisa ser treinado com a ajuda de um computador, e o distribuição de rede é obtida antes do processamento.”

A maioria das redes neurais ópticas difrativas anteriormente desenvolvidas permaneceu fixa uma vez que são treinadas. Como resultado, eles só podem concluir um determinado número de tarefas, aquelas em que foram treinados originalmente. Em contrapartida, por se basear em metasuperfícies digitais, a rede criada por Cui e seus colegas pode ser programada para realizar diferentes tarefas.

“Metasuperfícies programáveis podem controlar ondas eletromagnéticas com uma arquitetura simples, baixo custo e alta eficiência, o que é uma escolha potencial para a construção de redes neurais programáveis”, acrescentou Cui. “Nosso PAIM também pode modular diretamente as ondas eletromagnéticas do espaço livre com a velocidade da luz, que é uma potencial unidade de processamento de sinal de baixa latência usada para comunicações sem fio 5G e 6G”.

Nas avaliações iniciais, a rede neural difrativa introduzida por essa equipe de pesquisadores alcançou resultados muito promissores, pois se mostrou altamente flexível e aplicável em uma ampla gama de cenários. No futuro, ele poderia ser usado para resolver uma variedade de problemas do mundo real, incluindo classificação de imagens, detecção de ondas e codificação/decodificação de comunicação sem fio. Enquanto isso, Cui e seus colegas trabalharão para melhorar ainda mais seu desempenho.

“O protótipo implementado neste trabalho é baseado em uma rede neural difrativa de 5 camadas, cada camada possui 64 redes neurais programáveis e o número total de nós na rede é relativamente baixo”, acrescentou Cui. “Ao mesmo tempo, a banda de frequência de operação desta rede é menor, resultando em um tamanho maior da rede física. Em nossos próximos estudos, planejamos aumentar ainda mais a escala dos neurônios programáveis da rede, melhorar a integração da rede , reduzem o tamanho e formam um conjunto de computadores inteligentes com maior poder computacional e mais praticidade para sensoriamento e comunicação.”

Publicado em 26/03/2022 08h35

Artigo original:

Estudo original: