Pesquisadores da Universidade de Tsinghua propuseram um método de treinamento de rede neural óptica chamado Modo Totalmente Direto (FFM), que pode executar o processo de treinamento diretamente em sistemas ópticos físicos, sem a necessidade do algoritmo de retropropagação. Este método tem as seguintes vantagens:
-
Reduz a dependência de modelos matemáticos, evitando problemas causados por imprecisões do modelo.
-
Economiza tempo e energia, podendo processar grandes quantidades de dados em paralelo.
-
Realiza autotreinamento eficaz em redes neurais ópticas de espaço livre, com precisão próxima aos valores teóricos.
-
Alcança imagens de alta qualidade mesmo em ambientes de dispersão complexos, com resolução próxima ao limite físico.
-
Capaz de imagear objetos ocultos fora da linha de visão em paralelo.
O princípio central do FFM é mapear o sistema óptico como uma rede neural de campo parametrizada, calculando gradientes medindo o campo de luz de saída e atualizando parâmetros usando o algoritmo de descida do gradiente. Ele utiliza o princípio da reciprocidade de simetria espacial, permitindo que os dados e o cálculo de erro compartilhem o mesmo processo de propagação física direta e método de medição.
Os pesquisadores validaram o desempenho do FFM através de vários experimentos:
-
Treinamento de classificação nos conjuntos de dados MNIST e Fashion-MNIST, onde as redes aprendidas pelo FFM alcançaram precisão próxima aos valores teóricos.
-
Focalização de alta resolução em meios de dispersão, com tamanho focal próximo ao limite de difração.
-
Recuperação e imageamento paralelos de objetos ocultos em cenários sem linha de visão.
Esta pesquisa fornece uma nova abordagem para o treinamento de redes neurais ópticas, com o potencial de impulsionar o desenvolvimento de tecnologias de computação e imageamento ópticos.