Жидкокристаллические глубокие нейронные структуры (ЖК-ГНС)

Недавние исследования в области машинного обучения показали, что большие нейронные сети могут значительно улучшить производительность сети, однако большие сети проблематичны с точки зрения времени вычислений и использования памяти для вычислительных архитектур фон Неймана. С другой стороны, современные компьютеры в 10 ^ 4-10 ^ 8 раз более энергоемкие и менее эффективны, чем человеческий мозг, для широкого круга задач, включая восприятие, общение и принятие решений. Поэтому разработка компьютеров, которые быстро и эффективно объединяют, изучают и анализируют огромные объемы информации, становится все более важной. Основная цель LC-DNA - реализовать масштабируемую, энергоэффективную и высокопроизводительную аналоговую нейронную сеть с использованием нелинейного жидкого кристалла (ЖК) в качестве аналогового скрытого слоя в нашей оптической архитектуре. Чтобы продемонстрировать масштабируемость, скорость и энергоэффективность нашего подхода, мы сравним его с современными технологиями ЦП и ГП в сложных тестовых задачах. Мы считаем, что наши результаты в рамках этого проекта проложат путь вычислительным технологиям для решения множества крупномасштабных сложных проблем, которые еще не достижимы.