Se puede emplear una representación esquemática de cómo se puede emplear una función de activación optoacústica entre las capas N-1 y N + 1 de una red neural multifrecure de frecuencia óptica. Crédito: Nanofotónica (2025). Doi: 10.1515/nanoph-2024-0513
Las redes neuronales son una estructura típica en la que se puede basar la inteligencia artificial. El término “neural” describe su capacidad de aprendizaje, que hasta cierto punto imita el funcionamiento de las neuronas en nuestros cerebros. Para poder trabajar, se requieren varios ingredientes clave: uno de ellos es una función de activación que introduce la no linealidad en la estructura.
Una función de activación fotónica tiene importantes ventajas para la implementación de redes neuronales ópticas basadas en la propagación de la luz. Los investigadores del grupo de investigación Stiller en la MPL y LUH en colaboración con MIT ahora han mostrado experimentalmente una función de activación controlada ópticamente basada en ondas de sonido de viaje.
Es adecuado para una amplia gama de enfoques de red neuronal óptica y permite el funcionamiento en la llamada dimensión de frecuencia sintética. El trabajo se publica en la revista Nanophotonics.
La inteligencia artificial (AI) es ampliamente utilizada y diseñada para aumentar las habilidades humanas, como el análisis de datos, la generación de texto y el reconocimiento de imágenes. Su rendimiento ha superado el de los humanos en muchas áreas, por ejemplo, en términos de velocidad. Las tareas que tomarían muchas horas de trabajo cuando se realizan manualmente se pueden completar en segundos.
Entre otras opciones, la IA puede basarse en redes neuronales artificiales inspiradas en el cerebro. Similar a las neuronas en el cerebro humano, los nodos de las redes neuronales están vinculados en una estructura muy compleja. Actualmente, se implementan más comúnmente utilizando conexiones digitales.
La experiencia reciente en la capacitación de inteligencia artificial, como los modelos de idiomas grandes, ha dejado en claro que su consumo de energía es vasto y aumentará exponencialmente en los próximos años. Por lo tanto, los científicos están investigando una solución intensamente y considerando diferentes sistemas físicos que podrían respaldar o reemplazar parcialmente los sistemas electrónicos para ciertas tareas. Estas redes podrían basarse en materiales ópticos, en estructuras de moléculas, en hebras de ADN o incluso en el desarrollo de estructuras de hongos.
La óptica y la fotónica tienen muchas ventajas sobre los sistemas electrónicos convencionales
La óptica y la fotónica tienen la ventaja de los altos anchos de banda e información en la codificación de información en símbolos de alta dimensión, ambas razones para la aceleración de nuestro sistema de comunicación. Los sistemas fotónicos ya están bastante avanzados y, a menudo, permiten el procesamiento y la conexión paralela a sistemas establecidos como el Internet mundial basado en fibra óptica. Al escalar, Photonics también tiene la promesa de un menor consumo de energía para problemas complejos.
Ahora los grupos de investigación están aprovechando estos recursos y conocimientos para implementar redes neuronales ópticas de muchas maneras diferentes. Sin embargo, se deben abordar muchos desafíos clave, por ejemplo, la escala ascendente del hardware fotónico y la reconfigurabilidad de las redes neuronales.
Función de activación controlada totalmente óptica basada en ondas de sonido demostrada por primera vez
Los investigadores en el Laboratorio de Stiller trabajan sobre optoacústica y específicamente sobre el desafío de las redes neuronales ópticas mediadas por las ondas acústicas. Para la reducción de las redes neuronales ópticas, ahora han desarrollado una función de activación que se puede controlar de manera óptica. La información no necesita convertirse desde la óptica al dominio electrónico.
Este desarrollo es un paso importante para la computación fotónica, una alternativa de computación analógica física que promete poder realizar la inteligencia artificial de eficiencia energética a largo plazo.
Una forma simple de una red neuronal consiste en una suma ponderada de bits de la información entrante y una función de activación no lineal. La función de activación no lineal es esencial para que los modelos de aprendizaje profundo aprendan a resolver tareas complejas.
En las redes neuronales ópticas, estas piezas también se implementan idealmente en el dominio fotónico. Para la suma ponderada, un operador de matriz, ya existe una gran cantidad de enfoques fotónicos. Este no es el caso de la función de activación no lineal, para la cual pocos enfoques se han demostrado experimentalmente.
“La perspectiva a largo plazo de crear redes neuronales ópticas más eficientes en energía depende de si podemos ampliar los sistemas de computación física, un proceso potencialmente facilitado por una función de activación fotónica”, dice Birgit Stiller, jefe del grupo de investigación “Optoacústica cuántica”.
Una función de activación no lineal fotónica es el equivalente óptico de las funciones de activación no lineal utilizadas en las redes neuronales artificiales, pero se implementan utilizando dispositivos fotónicos en lugar de electrónica. Presenta la no linealidad en los sistemas de computación fotónica, permitiendo redes neuronales totalmente ópticas y aceleradores de aprendizaje automático óptico. Ejemplos de funciones de activación son las funciones Relu, Sigmoid o Tanh y pueden transformar la suma ponderada de entradas en una red neuronal artificial.
Las ondas de sonido como mediador para una función de activación fotónica efectiva
Los científicos del Grupo de Investigación Stiller en el Instituto Max Planck para la Ciencia de Light y Leibniz University Hannover, en colaboración con Dirk Englund del MIT, ahora han demostrado que las ondas de sonido pueden ser el mediador para una función de activación fotónica efectiva.
La información óptica no tiene que abandonar el dominio óptico y se procesa directamente en fibras ópticas o guías de onda fotónicas. A través del efecto de la dispersión estimulada de Brillouin, la información de entrada óptica sufre un cambio no lineal dependiendo del nivel de intensidad óptica.
“Nuestra función de activación fotónica se puede ajustar de manera versátil: mostramos la implementación de una función sigmoidea, Relu y cuadrática y el concepto también permite funciones más exóticas a demanda, si es necesario para ciertos tipos de tareas”, dice uno de los dos autores principales Grigorii Slinkov.
El otro autor principal, Steven Becker, agrega: “Una ventaja interesante proviene de una estricta regla de combinación de fase en la dispersión estimulada de Brillouin: diferentes frecuencias ópticas, para la computación paralela, se puede abordar individualmente, lo que puede mejorar el rendimiento computacional de la red neuronal”.
La inclusión de una función de activación fotónica en una red neuronal óptica conserva el ancho de banda de los datos ópticos, evita la conversión electroóptica y mantiene la coherencia de la señal. El control versátil de la función de activación no lineal con la ayuda de ondas de sonido permite la implementación del esquema en los sistemas de fibra óptica existentes, así como los chips fotónicos.
Más información: Grigorii Slinkov et al, función de activación no lineal totalmente óptica basada en la dispersión estimulada de Brillouin, Nanofotonics (2025). Doi: 10.1515/nanoph-2024-0513
Proporcionado por Max Planck Society
Cita: La computación fotónica necesita más no linealidad: La acústica puede ayudar (2025, 14 de abril) Recuperado el 14 de abril de 2025 de https://techxplore.com/news/2025-04-photonic-nonlineality-coustics.html
Este documento está sujeto a derechos de autor. Además de cualquier trato justo con el propósito de estudio o investigación privada, no se puede reproducir ninguna parte sin el permiso por escrito. El contenido se proporciona solo para fines de información.
