Red neuronal profunda difractiva impresa en 3D en la UCLA

Red neuronal profunda difracactiva impresa en 3D creada en UCLA

Investigadores de UCLA han utilizado una impresora 3D para crear una red neuronal artificial capaz de analizar grandes volúmenes de datos e identificar objetos a la velocidad de la luz. El sistema se denomina red neuronal profunda difracactiva (D2NN). Utiliza la luz dispersa por un objeto para identificar el objeto.

Los investigadores de la UCLA basaron el sistema en un diseño basado en el aprendizaje profundo que utiliza capas difractivas pasivas que trabajan juntas. Los investigadores crearon primero un diseño simulado por ordenador y luego utilizaron una impresora 3D para crear finas obleas de polímero de ocho centímetros cuadrados. Cada una de esas obleas tiene superficies irregulares para ayudar a difractar la luz procedente de un objeto.

Las obleas impresas en 3D se penetran utilizando frecuencias de terahercios. Cada una de las capas está compuesta por decenas de miles de píxeles por los que puede viajar la luz. En el diseño se asigna un píxel a cada tipo de objeto, y la luz procedente del objeto se difracta hacia el píxel que se ha asignado a su tipo. Esta técnica permite a la D2NN identificar un objeto en el mismo tiempo que tardaría un ordenador en verlo.

La red fue entrenada para aprender la luz difractada que produce cada objeto cuando la luz de ese objeto pasa por el dispositivo utilizando una rama de la IA llamada aprendizaje profundo. El aprendizaje profundo enseña a las máquinas a través de la repetición y a lo largo del tiempo a medida que surgen patrones. Durante los experimentos, el dispositivo fue capaz de identificar con precisión números escritos a mano y prendas de vestir.

El dispositivo también fue entrenado para actuar como una lente de imagen, de forma similar a como funciona la lente de una cámara típica. Como el dispositivo se crea con una impresora 3D, la D2NN puede fabricarse con capas más grandes y adicionales, lo que da lugar a un dispositivo con cientos de millones de neuronas artificiales. Los dispositivos más grandes podrían encontrar muchos más objetos simultáneamente con el potencial de realizar análisis de datos más complejos. Otro aspecto fundamental de la D2NN es el coste, ya que, según el investigador, el dispositivo podría reproducirse por menos de 50 dólares.