Ученые из Московского физико-технического института (МФТИ) сделали значительный шаг в развитии нейроморфных систем, разработав новую архитектуру нейронной сети на основе жидкого света.
Традиционные нейронные сети сталкиваются с ограничениями в вычислительной скорости и энергоэффективности, что делает нейроморфные системы, имитирующие структуру и функциональность человеческого мозга, все более актуальными.
Жидкий свет, представляющий собой сложный квантовый объект, способен образовывать различные состояния. Одно из таких состояний — квантовая жидкость света, или поляритонный конденсат, появляется при сильном взаимодействии света с материей, формируя гибридные частицы — поляритоны.
Эти квазичастицы обладают свойствами как света, так и материи, и могут существовать в когерентном коллективном состоянии, аналогичном сверхтекучести и сверхпроводимости.
Поляритонные конденсаты представляют большой интерес для физиков и инженеров, поскольку их можно использовать для создания новых устройств с высокой скоростью и эффективностью, использующих свет в качестве носителя информации.
Исследование показало, что новая нейроморфная сеть демонстрирует высокую точность распознавания образов. На наборе данных MNIST система достигла точности классификации до 97,5 %, что подтверждает потенциал этой архитектуры в области обработки информации.
В исследовании по распознаванию голоса на наборе данных «Speech Commands» была достигнута точность около 68% для подмножества из десяти классов.
Это значение оказалось выше, чем результаты предыдущих поляритонных нейроморфных систем.
Директор Международного центра теоретической физики имени А.А. Абрикосова МФТИ Алексей Кавокин отметил, что предложенная архитектура нейронной сети имеет значительные преимущества.
Она сочетает в себе два подхода для улучшения нелинейных взаимодействий между нейронами разных слоев.
Интеграция была реализована с помощью процедуры индентирования входного сигнала, что способствовало рекордным показателям точности в поляритонных нейронных сетях и значительно превзошло результаты предыдущих моделей.
Данное достижение подчеркивает важность использования новых алгоритмов и их адаптацию в современных технологиях.
Важно отметить, что развитие нейроморфных систем может оказать значительное влияние на области распознавания речи и обработки сигналов, что сделает их более эффективными.
Это, в свою очередь, может привести к улучшению взаимодействия человека и машины в различных сферах, включая голосовые помощники и системы автоматического перевода.
