همه ما با توانایی شبکه های عصبی در تشخیص متن دست نویس آشنا هستیم. اصول اولیه این فناوری سال هاست که وجود داشته است، اما اخیراً جهش هایی در قدرت محاسباتی و پردازش موازی این فناوری را به یک راه حل بسیار کاربردی تبدیل کرده است. با این حال، این راه حل عملی اساساً به شکل یک رایانه دیجیتال است که به طور مکرر بیت ها را تغییر می دهد، درست مانند هر برنامه دیگری. اما این مورد در مورد شبکه عصبی توسعه یافته توسط محققان دانشگاه های ویسکانسین، MIT و کلمبیا صادق نیست. آنها .
این شیشه حاوی اجزای دقیقی مانند حباب های هوا، ناخالصی های گرافن و سایر مواد است. هنگامی که نور به شیشه برخورد می کند، الگوهای موج پیچیده ای ایجاد می شود که باعث می شود نور در یکی از ده ناحیه شدیدتر شود. هر یک از این مناطق مربوط به یک عدد است. به عنوان مثال، در زیر دو مثال وجود دارد که نشان می دهد نور هنگام تشخیص عدد "دو" چگونه حرکت می کند.
با مجموعه آموزشی 5000 تصویری، شبکه عصبی قادر است 79 درصد از 1000 تصویر ورودی را به درستی تشخیص دهد. این تیم معتقد است که اگر بتوانند محدودیت های ناشی از فرآیند تولید شیشه را دور بزنند، می توانند نتیجه را بهبود بخشند. آنها با طراحی بسیار محدود دستگاه شروع کردند تا نمونه اولیه کار را بدست آورند. در مرحله بعد، آنها قصد دارند به مطالعه روش های مختلف برای بهبود کیفیت تشخیص ادامه دهند، در حالی که سعی می کنند تکنولوژی را بیش از حد پیچیده نکنند تا بتوان از آن در تولید استفاده کرد. این تیم همچنین برنامه هایی برای ایجاد یک شبکه عصبی سه بعدی در شیشه دارد.
منبع: www.habr.com