研究展示
| 02 |
光回路で構成されるＡＩに適した学習法細層構造を持つ光ニューラルネットワークの高速学習 
|
|---|
| どんな研究 |
光回路を用いたニューラルネットワーク（ＯＮＮ）は超低消費電力と高速動作により注目されています。ＯＮＮは干渉計の多層構造で実現されるため、その数理モデルは干渉計表現行列の多段の積になります。このため、既存の自動微分による学習は多くの時間を要するという問題がありました。この展示では、ＯＮＮの高速学習法を紹介します。 |
|---|---|
| どこが凄い |
干渉計表現行列の多段積を細層構造ネットワークとしてモジュール化し、誤差逆伝播法で各細層の干渉計パラメータを更新するための専用偏微分式を用いる学習法を構築しました。回帰型ニューラルネットワークにおける文字認識実験で、本学習法は既存自動微分法に比べ、50倍以上の高速学習を達成しました。 |
| めざす未来 |
本学習法は、実光回路上のオンチップ学習や新しいデバイスへの応用という発展に加え、従来の膨大な電力を消費するＡＩではなく、超低消費電力で動作する光ニューラルネットワークによるグリーンＩＴの思想を実践するＡＩの実現に寄与します。 |
[1] K. Aoyama, H. Sawada, “Accelerated method for learning fine-layered optical neural networks,” in Proc. of IEEE/ACM the 40th International Conference on Computer-Aided Design, 2021.
動画の公開は終了いたしました。ご了承くださいますようお願いいたします。
Q&Aの公開は終了いたしました。ご了承くださいますようお願いいたします。
青山 一生（Kazuo Aoyama） 協創情報研究部 知能創発環境研究グループ
Email: cs-openhouse-ml@hco.ntt.co.jp