Результаты исследования опубликованы в журнале Light: Science & Applications.

Искусственные нейронные сети стали важным двигателем технологического прогресса. Они используются для распознавания образов, принятия решений и анализа больших данных, что помогает развивать медицину, робототехнику и другие области.

Обычные нейросети работают на архитектуре фон Неймана, где данные и программы хранятся в одной памяти, а обработка идет через центральный процессор. Это создает ограничения: процессор и память физически разделены, что замедляет обмен данными и увеличивает энергопотребление. Ученые считают, что потенциал нейросетей еще не раскрыт полностью.

Алексей Кавокин, руководитель лаборатории оптики спина СПбГУ, и Евгений Седов разработали новую архитектуру на основе «световых капель». Она быстро и точно распознает рукописные и голосовые команды.

Основой системы стали поляритоны — частицы, которые образуются при взаимодействии света и экситонов (возбуждений в полупроводниках). Их называют «квантами жидкого света». Когда поляритоны собираются вместе, они образуют конденсат Бозе — Эйнштейна. Если два таких конденсата находятся рядом, они обмениваются частицами и создают узор из светлых и темных полос. Лазерный луч может изменить этот узор, что используется как выходной сигнал. Так работают искусственные нейроны, — объяснил Алексей Кавокин.

Эта архитектура относится к бинарным нейросетям (BNN), которые работают с двоичными сигналами. Они быстрее обрабатывают данные, требуют меньше памяти и энергии, что делает их идеальными для устройств с ограниченными ресурсами, например, для интернета вещей.

Ученые протестировали систему на двух задачах:

1. Распознавание рукописных цифр из базы данных MNIST. Точность превысила 97,5%.
2. Распознавание голосовых команд из набора Speech Commands. Здесь система также показала лучшие результаты.

Ранее ученые объявили о создании новой квантовой частицы.

Иллюстрация: нейросеть.