Les chercheurs de l'Université Tsinghua ont proposé une méthode d'entraînement de réseau neuronal optique en mode tout-avant (FFM) qui peut exécuter directement le processus d'entraînement dans un système optique physique, sans nécessiter d'algorithme de rétropropagation. Cette méthode présente les avantages suivants :
-
Réduction de la dépendance aux modèles mathématiques, évitant les problèmes liés à l'inexactitude des modèles.
-
Économie de temps et d'énergie, permettant le traitement parallèle de grandes quantités de données.
-
Réalisation d'un auto-entraînement efficace sur des réseaux neuronaux optiques en espace libre, avec une précision proche des valeurs théoriques.
-
Imagerie de haute qualité même dans des environnements de diffusion complexes, avec une résolution proche des limites physiques.
-
Capacité d'imagerie parallèle d'objets cachés hors du champ de vision.
Le principe fondamental du FFM est de mapper le système optique en un réseau neuronal de champ paramétré, de calculer les gradients en mesurant le champ lumineux de sortie, et de mettre à jour les paramètres à l'aide d'un algorithme de descente de gradient. Il utilise le principe de réciprocité spatiale symétrique, permettant aux données et aux calculs d'erreur de partager le même processus de propagation physique avant et les mêmes méthodes de mesure.
Les chercheurs ont validé les performances du FFM à travers plusieurs expériences :
-
Formation à la classification sur les ensembles de données MNIST et Fashion-MNIST, où la précision du réseau appris par FFM s'approche des valeurs théoriques.
-
Réalisation d'une focalisation haute résolution dans un milieu diffusant, avec une taille de point focal proche de la limite de diffraction.
-
Récupération et imagerie parallèles d'objets cachés dans des scénarios hors ligne de vue.
Cette recherche offre une nouvelle perspective pour l'entraînement des réseaux neuronaux optiques et pourrait favoriser le développement des technologies de calcul et d'imagerie optiques.