Выдающееся достижение ученых Санкт-Петербургского государственного университета открывает новую эру в развитии искусственного интеллекта. Инновационные поляритонные нейроны для высокоскоростных нейроморфных систем демонстрируют впечатляющие результаты в распознавании рукописного текста и голосовых команд. Прорывное исследование представлено научному сообществу в престижном издании Light: Science & Applications.
Искусственные нейронные сети стремительно завоевывают позиции ключевого инструмента технологического прогресса в глобальном масштабе. Их универсальность и эффективность в обработке изображений, принятии решений и анализе масштабных информационных массивов открывает колоссальные возможности для развития медицины, автоматизированной робототехники и множества других перспективных направлений.Современные нейросети, основанные на архитектуре фон Неймана, достигли определенного предела возможностей из-за раздельного размещения вычислительных и запоминающих компонентов. Это существенно ограничивает скорость обработки данных и повышает энергозатраты. Именно поэтому научное сообщество активно ищет инновационные подходы к раскрытию полного потенциала нейросетевых технологий.Блестящий научный тандем — руководитель лаборатории оптики спина СПбГУ Алексей Кавокин и старший научный сотрудник Евгений Седов — создал уникальную нейроморфную архитектуру, использующую двумерные решетки «световых капель». Эта система демонстрирует выдающиеся показатели в распознавании различных типов данных.»Мы используем удивительные свойства бозонных конденсатов экситон-поляритонов — своеобразных квантов жидкого света. Эти частицы способны взаимодействовать между собой, формируя конденсат Бозе-Эйнштейна. При близком расположении таких конденсатов возникает fascinating эффект обмена частицами, создающий характерный световой узор. Управляя этим узором с помощью лазера, мы получаем высокоэффективную систему искусственных нейронов», — объясняет Алексей Кавокин.Инновационная разработка петербургских физиков относится к передовому классу бинарных нейросетей (BNN), отличающихся высокой скоростью обработки информации и экономным расходованием памяти. Эти преимущества делают технологию идеальным решением для устройств с ограниченным энергопотреблением, включая IoT-девайсы и системы периферийных вычислений.Впечатляющие результаты тестирования новой архитектуры говорят сами за себя. При распознавании рукописных цифр из базы MNIST система продемонстрировала феноменальную точность — более 97,5%. В задаче распознавания голосовых команд Speech Commands разработка петербургских ученых установила новый стандарт качества, превзойдя все существующие аналоги.
Материал подготовлен на основе данных пресс-службы СПбГУ
Источник фото: ru.123rf.com
Источник: scientificrussia.ru
