私たちは皆、ニューラル ネットワークが手書きのテキストを認識する能力についてよく知っています。 このテクノロジーの基本は何年も前から存在していますが、コンピューティング能力と並列処理の飛躍的な進歩により、このテクノロジーが非常に実用的なソリューションになったのは比較的最近のことです。 ただし、この実際的な解決策は、本質的には、他のプログラムと同様に、デジタル コンピューターがビットを繰り返し変更する形になります。 しかし、ウィスコンシン大学、マサチューセッツ工科大学、コロンビア大学の研究者によって開発されたニューラル ネットワークの場合は当てはまりません。 彼らは .
このガラスには、気泡、グラフェンの不純物、その他の材料などの含有物が正確に配置されています。 ガラスに光が当たると複雑な波模様が生まれ、XNUMX個にXNUMX個の領域で光が強くなります。 これらの各領域は番号に対応します。 たとえば、以下の XNUMX つの例は、数字の「XNUMX」を認識するときの光の進み方を示しています。
5000 枚の画像のトレーニング セットを使用すると、ニューラル ネットワークは 79 枚の入力画像の 1000% を正しく認識できます。 チームは、ガラスの製造プロセスによって生じる制限を回避できれば、結果を改善できると考えています。 彼らは、動作するプロトタイプを取得するために、非常に限定されたデバイスの設計から始めました。 今後は、実稼働に向けて技術を過度に複雑化しないようにしながら、認識品質を向上させるためのさまざまな方法の研究を継続する予定です。 チームはガラス内に XNUMXD ニューラル ネットワークを作成する計画もあります。
出所： habr.com