量子位
·
清华光学AI登Nature！物理神经网络，反向传播不需要了
💡
原文中文，约3700字，阅读约需9分钟。
📝
内容提要
清华大学的研究人员在Nature杂志上发表了一篇关于使用光学系统进行神经网络训练的论文。他们提出了一种全前向模式（FFM）的训练方法，通过光学系统直接执行训练过程，克服了传统基于数字计算机模拟的限制。研究人员通过实验证明，FFM方法具有高准确率、高分辨率的聚焦能力，并且可以在散射介质中实现并行成像视线之外的物体。此外，FFM方法还可以自动搜索非厄米特系统中的异常点。
🎯
关键要点
-
清华大学研究人员在Nature上发表了关于光学系统训练神经网络的论文。
-
提出了一种全前向模式（FFM）训练方法，直接在物理光学系统中执行训练。
-
FFM方法省去了传统建模过程，允许系统直接使用实验数据进行学习和优化。
-
FFM方法减少了对数学模型的依赖，节省了时间和能耗。
-
FFM通过测量输出光场计算梯度，使用梯度下降算法更新参数。
-
FFM在自由空间光学神经网络上实现了高准确率，接近理论值。
-
FFM能够在复杂散射环境中实现高分辨率成像，优化光波传播路径。
-
FFM可以在非视距场景中重建和分析隐藏物体，表现优于人工神经网络。
-
FFM方法可扩展到集成光子系统，能够自动搜索非厄米特系统中的异常点。
-
FFM是一种高效并行执行机器学习操作的方法，适用于物理系统的计算密集型训练。
➡️
