Un equipo de investigación de la Universidad de California en Los Angeles (UCLA) ha creado una red neuronal artificial impresa en 3D capaz de utilizar fotones de luz para procesar información con una rapidez impresionante.
El ingeniero eléctrico Aydogan Ozcan, autor principal del estudio, explicó que junto a sus colegas utilizó la tecnología de aprendizaje automático, herramientas ópticas e impresión 3D, a fin de crear un sistema que opera con luz y, a diferencia de los ordenadores convencionales, no necesita una fuente de energía más allá de una fuente de luz inicial y un detector simple.
Lo más novedoso de esta tecnología no es el uso de sistemas de Inteligencia Artificial (IA), sino el despliegue de ingeniería óptica y la capacidad de crear un ‘molde’ de la red neuronal artificial utilizando la impresión en 3D. Según Ozcan, este sistema podría ser utilizado para imitar el ojo de un animal, el cual procesa la luz y las imágenes de manera completamente distinta a como lo hace nuestro ojo.
Asimismo, el investigador plantea que la red neuronal pueda ser utilizada para aplicaciones de microscopia e imágenes para el sector de la medicina, en caso de que se implemente en las longitudes de onda más cortas que se usan en la microscópica óptica.
Con el fin de construir este sistema de reconocimiento, los investigadores utilizaron por primera vez el aprendizaje profundo, en el que se le proporciona a un ordenador datos visuales o de audio y se le capacita para reconocer ciertos patrones. En este sentido, el algoritmo crea reglas sobre los datos propuestos y los aplica para crear nuevas entradas.
Ahora bien, los ingenieros de la UCLA entrenaron su red neuronal para que ésta reconociera algunos tipos de datos, incluyendo imágenes de dígitos escritos a mano del 0 al 9 y otros objetos. En cada uno de los casos propuestos, la red creó un modelo que se basó en varias capas de píxeles, cada uno de los cuales tenía la capacidad de transmitir luz. A su vez, cada píxel representa una neurona artificial conectada a otras neuronas en las mismas capas.
En vez de ajustar los cálculos matemáticos a cada neurona, los investigadores dijeron que la red óptica sintoniza sus neuronas al cambiar la fase y la amplitud de la luz en cada neurona. Además, en vez de tener 1 ó 0 como solución en una neurona, cada una de ellas transmite o refleja una luz entrante a la siguiente capa.
De esta forma, se ha logrado llevar el hardware basado en IA a una dirección nueva, ya que afirman que es posible emparejar las redes neuronales ópticas con los ordenadores para que trabajen simultáneamente y compartan la carga de trabajo. Estos componentes, llamados ‘redes neuronales profundas difractivas (D2NN), podrían escalarse a través del uso de la impresión 3D para agregar capas y neuronas adicionales, algo que resulta de gran importancia si se tiene en cuenta que las GPU actuales consumen mucha energía y calor.
Referencia: Xing Lin, Yair Rivenson, Nezih T. Yardimci1, Muhammed, Yi Luo, Mona Jarrahi, Aydogan Ozcan. All-optical machine learning using diffractive deep neural networks. Science 26 Jul 2018: eaat8084. DOI: 10.1126/science.aat8084.
