Cientistas de Pequim revelam rede neural óptica revolucionária, transformando o treinamento em IA

Em um desenvolvimento inovador, pesquisadores do Instituto de Tecnologia de Pequim, liderados pelo professor Xiangdong Zhang, revelaram um novo tipo de rede neural óptica (ONN) que demonstra uma notável "aceleração quântica" 

Essa inovação aproveita as correlações ópticas classicpara aprimorar significativamente o poder computacional das Redes Neurais Ópticas (ONNs). Publicada na revista Light Science & Application, essa conquista representa um grande avanço para atender à crescente demanda por modelos de aprendizado de máquina eficientes, mitigando as limitações de recursos computacionais.

Aprimorando a eficiência da IA ​​com redes neurais ópticas e quânticas.

de inteligência artificial (IA), particularmente os algoritmos de aprendizagem automática, têm apresentado avanços extraordinários nos últimos anos, possibilitando capacidades sem precedentesdenttarefas como reconhecimento de imagem, processamento de linguagem natural e detecção de objetos. 

No entanto, esses avanços têm um custo: exigem recursos computacionais substanciais. O poder computacional atual está se aproximando de seus limites, o que torna necessária a redução dos custos de treinamento e a melhoria da eficiência do treinamento de modelos de aprendizado de máquina.

Para enfrentar esse desafio, os pesquisadores têm concentrado seus esforços em duas principais abordagens: redes neurais ópticas (ONNs) e redes neurais quânticas. As ONNs utilizam técnicas avançadas de manipulação óptica para executar algoritmos de aprendizado de máquina no processamento classic de informações ópticas. 

Essas redes apresentam diversas vantagens, incluindo baixo consumo de energia, interferência mínima e baixa latência de transmissão. No entanto, as ONNs tradicionais carecem de aceleração algorítmica, o que significa que não exibem velocidades de convergência de modelo mais rápidas.

Por outro lado, as redes neurais quânticas são algoritmos de redes neurais fundamentados na teoria da computação quântica. Estudos recentes demonstraram que as redes neurais quânticas podem alcançar aceleração algorítmica devido às correlações quânticas. Infelizmente, as aplicações práticas das redes neurais quânticas são dificultadas por limitações técnicas, o que torna seu desenvolvimento em larga escala um desafio.

Redes Neurais Convolucionais Ópticas Correlacionadas

A inovação apresentada no artigo recente envolve o desenvolvimento de uma nova rede neural óptica que imita a aceleração algorítmica observada em redes neurais quânticas. Essa conquista notável é possível graças à introdução de correlações ópticas classiccomo portadoras de informação. Essas correlações permitem o processamento de informações semelhante à computação quântica, um conceito já demonstrado anteriormente pela mesma equipe de pesquisa.

Os pesquisadores desenvolveram operações de convolução e pooling no estado óptico correlacionado, resultando na criação de uma rede neural convolucional óptica correlacionada. Essa rede neural óptica demonstra treinamento acelerado em conjuntos de dados específicos e pode ser aplicada paradentas características de estados quânticos sob princípios de codificação específicos. Essa descoberta abriu caminho para redes neurais ópticas aprimoradas algoritmicamente, prometendo benefícios na era do processamento de big data.

A estrutura de uma rede neural convolucional óptica correlacionada

A rede neural convolucional óptica correlacionada compreende quatro componentes principais: a fonte de luz correlacionada, a convolução, o pooling e as detecções. O processamento principal é realizado pelas seções de convolução e pooling. 

Esses componentes diferem daqueles presentes nas redes neurais convolucionais classic, pois manipulam a correlação de estados ópticos e geram estados correlacionados mais simples por meio da fusão de feixes.

Os cientistas que lideram a pesquisa explicam: “Essas duas partes realizam operações análogas às portas quânticas nas redes neurais convolucionais quânticas. A parte de convolução em nossa rede é composta de operações unitárias no estado óptico correlacionado, semelhantes às operações unitárias no espaço de Hilbert dos qubits. 

A etapa de agrupamento que consideramos é equivalente à medição de qubits parciais para obter um subespaço de Hilbert. Isso leva a uma diminuição exponencial na dimensão dos dados, contribuindo para uma convergência mais rápida da função de perda ao aprender conjuntos de dados específicos

Além disso, os pesquisadores comprovam a similaridade entre sua rede neural convolucional óptica correlacionada e redes neurais convolucionais quânticas por meio dadentde fase topológica de estados quânticos. Resultados teóricos e experimentais corroboram essa comprovação.

Uma alternativa economicamente viável às redes neurais quânticas

Os resultados desta pesquisa apontam para uma possibilidade empolgante: concretizar as propriedades das redes neurais quânticas de uma forma mais econômica. Embora as redes neurais quânticas ofereçam vantagens potenciais, sua implementação prática requer circuitos quânticos complexos com múltiplas portas de múltiplos qubits e medições intrincadas. 

Esses circuitos são altamente suscetíveis a perturbações ambientais, o que torna sua estabilidade e correção de erros um desafio considerável.

As redes neurais ópticas correlacionadas introduzidas neste estudo representam uma alternativatrac. Elas exibem facilidade de arranjo de elementos e possuem baixos requisitos ambientais em experimentos. 

Considerando o crescimento exponencial dos dados e a escassez de recursos para computação de alta qualidade, essa abordagem oferece uma solução econômica e de alto desempenho com ampla aplicação em diversos campos de pesquisa em ciência de dados.