Vi är alla bekanta med neurala nätverks förmåga att känna igen handstil. Grunderna i denna teknik har funnits i många år, men det är först relativt nyligen som språng i datorkraft och parallell bearbetning har gjort denna teknik till en mycket praktisk lösning. Men den här praktiska lösningen kommer i sin kärna att representeras av en digital dator som byter bitar många gånger, precis som när man kör vilket annat program som helst. Men när det gäller ett neuralt nätverk som utvecklats av forskare vid universiteten i Wisconsin, MIT och Columbia är saker annorlunda. De .
Detta glas innehåller exakt placerade inneslutningar som luftbubblor, grafenföroreningar och andra material. När ljus träffar glaset uppstår komplexa vågmönster, vilket gör att ljuset blir mer intensivt i ett av de tio områdena. Vart och ett av dessa områden motsvarar ett nummer. Till exempel nedan är två exempel som visar hur ljus sprids när siffran "två" känns igen.
Med en träningsuppsättning på 5000 bilder kan det neurala nätverket korrekt känna igen 79% av 1000 ingående bilder. Teamet tror att de skulle kunna förbättra resultatet om de kunde övervinna de begränsningar som orsakas av glasproduktionsprocessen. De började med en mycket begränsad design av enheten för att få en fungerande prototyp. Därefter planerar de att fortsätta utforska olika sätt att förbättra kvaliteten på igenkänningen, samtidigt som de försöker att inte alltför komplicera tekniken så att den sedan kan användas i produktionen. Teamet har också planer på att bygga ett XNUMXD-neuralt nätverk i glas.
Källa: will.com