Implementación de tecnología de red neuronal informática
La principal característica de las redes neuronales artificiales es la interconexión ponderada entre un gran número de neuronas. Ésta es una razón importante para combinar redes neuronales con tecnología óptica. En comparación con la tecnología óptica, la tecnología electrónica tiene una alta precisión, un control sencillo del programa y una gran capacidad antiruido. Sin embargo, a medida que los chips de computadora se han vuelto más integrados y más rápidos, el problema de los cables en las computadoras se ha convertido en un serio obstáculo. Dado que los cables electrónicos no pueden cortocircuitarse ni cruzarse entre sí, el acoplamiento se producirá cuando los cables estén cerca uno del otro, se producirá dispersión y retraso cuando los pulsos eléctricos de alta velocidad se propaguen en los cables y los coeficientes de entrada y salida de abanico de dispositivos electrónicos son bajos, lo que hace que las interacciones electrónicas de alta densidad Lian tenga grandes dificultades técnicas. La desviación del reloj causada por problemas de cableado en circuitos integrados de muy gran escala (VLSI) limita severamente la velocidad de las computadoras tipo Neumann. Por otro lado, las interconexiones ópticas son muy paralelas y la luz puede cruzarse arbitrariamente sin interferencias durante la propagación. La luz se propaga extremadamente rápido y su retraso y dispersión son insignificantes. Los factores de salida son todos muy altos, por lo que las interconexiones ópticas tienen claras ventajas.
Por este motivo, muchos científicos ya han comenzado a estudiar el uso de interconexiones ópticas para resolver problemas de cables VLSI, así como problemas de conexión entre chips y placas enchufables. Además, el alto grado de paralelismo de las operaciones ópticas y la capacidad de implementar rápidamente operaciones lineales con grandes cantidades de información, como multiplicación de matrices, transformación lineal bidimensional, convolución bidimensional, integración, etc., también son condiciones favorables. para realizar redes neuronales artificiales utilizando medios ópticos. Aunque el procesamiento óptico de información tiene las ventajas de una alta velocidad y una gran cantidad de procesamiento paralelo de información, todavía está lejos de ser suficiente para cumplir con los requisitos de las operaciones difusas y el procesamiento aleatorio. La mejora del rendimiento del procesamiento óptico de información requiere la introducción de la no linealidad en los sistemas de procesamiento óptico lineal tradicionales, y la solución a estos problemas coincide con la implementación óptica de redes neuronales. Muchos temas del procesamiento de información óptica, como computación óptica, transformación de imágenes, filtrado de correlación, extracción de características, mejora de bordes, almacenamiento asociativo, eliminación de ruido, etc., se pueden completar utilizando métodos de redes neuronales.
En cuanto a la investigación sobre redes neuronales ópticas, se han propuesto muchos sistemas de hardware diferentes en el país y en el extranjero. Por ejemplo, la implementación del producto externo de la red Hopfield basada en la multiplicación de matrices vectoriales ópticas, el sistema totalmente óptico que utiliza almacenamiento holográfico y espejos de yugo primario (PCM), y el uso de conjuntos de interruptores de cristal líquido, válvulas de luz de cristal líquido y otros sistemas espaciales. moduladores de luz (SLM), red neuronal óptica del producto interno, red fotoeléctrica híbrida totalmente bipolar "WTA", etc. Las redes neuronales ópticas se han convertido en una parte importante de la investigación de las redes neuronales artificiales.