I ricercatori dell’UCLA hanno utilizzato una stampante 3D per creare una rete neurale artificiale in grado di analizzare grandi volumi di dati e identificare oggetti alla velocità della luce. Il sistema è chiamato rete neurale profonda diffrattiva (D2NN). Utilizza la luce diffusa da un oggetto per identificare l’oggetto.

I ricercatori dell’UCLA hanno basato il sistema su un design basato sull’apprendimento profondo che utilizza strati diffrattivi passivi che lavorano insieme. I ricercatori hanno prima creato un progetto simulato al computer e poi hanno utilizzato una stampante 3D per creare sottili wafer polimerici di otto centimetri quadrati. Ognuno di questi wafer ha superfici irregolari per aiutare a diffrangere la luce proveniente da un oggetto.

I wafer stampati in 3D vengono penetrati utilizzando frequenze terahertz. Ciascuno degli strati è composto da decine di migliaia di pixel attraverso i quali la luce può viaggiare. Il disegno ha ogni tipo di oggetto assegnato un pixel, con la luce proveniente dall’oggetto diffratto verso il pixel che è stato assegnato al suo tipo. La tecnica consente a D2NN di identificare un oggetto nello stesso tempo che impiegherebbe un computer per vedere l’oggetto.

La rete è stata addestrata per apprendere la luce diffratta prodotta da ciascun oggetto mentre la luce di quell’oggetto passa attraverso il dispositivo utilizzando un ramo dell’intelligenza artificiale chiamato deep learning. Il deep learning insegna alle macchine attraverso la ripetizione e nel tempo man mano che emergono i modelli. Durante gli esperimenti, il dispositivo è stato in grado di identificare con precisione numeri scritti a mano e capi di abbigliamento.

Il dispositivo è stato anche addestrato per agire come un obiettivo di imaging, in modo simile a come funziona un tipico obiettivo della fotocamera. Poiché il dispositivo viene creato utilizzando una stampante 3D, il D2NN può essere realizzato con strati più grandi e aggiuntivi risultando in un dispositivo con centinaia di milioni di neuroni artificiali. I dispositivi più grandi potrebbero trovare molti più oggetti contemporaneamente con la possibilità di eseguire analisi dei dati più complesse. Un altro aspetto critico del D2NN è il costo, con il ricercatore che afferma che il dispositivo potrebbe essere riprodotto per meno di $ 50.

Leave a Reply

Your email address will not be published. Required fields are marked *