רשתות עצביות דיפרקטיביות אנטי‑הפרעה לזיהוי מרובה עצמים

לראות את האות בעולם רועש

החיים המודרניים מלאים במצלמות וחיישנים שצריכים להבחין בדברים החשובים בסצנה – הולך רגל על הכביש, גידול זעיר בסריקה, חפץ חשוד בין קהל – גם כאשר הם מוקפים בעומס. מאמר זה מציג סוג חדש של רשת עצבית "אול‑אופטית" שעושה את רוב הזיהוי באמצעות האור עצמו במקום שבבים אלקטרוניים. התוצאה היא מערכת שיכולה לזהות עצמים נבחרים בסצנות צפופות ומשתנות תוך שהיא מטפלת בכל השאר כרעש רקע חסר‑פגע, מה שעשוי לאפשר יכולות ראייה מהירות וחסכוניות באנרגיה עבור מכונות עתידיות.

מדוע מחשבים העשויים מאור חשובים

מערכות למידה עמוקה קונבנציונליות פועלות על מעבדים אלקטרוניים שמעבירים זרמים דרך מיליארדי ממירים זעירים. הן חזקות אך גם איטיות כאשר יש לקבל החלטות במיקרושניות, ובזבוז האנרגיה שלהן בא לידי ביטוי כחום. האור מציע חלופה אטרקטיבית: קרניים יכולות לשאת כמויות עצומות של מידע במקביל, לנוע במהירות המקסימלית האפשרית, ואינן מחממות מעגלים כמו זרמי חשמל. רשתות עצביות אופטיות מנצלות את היתרונות האלה על‑ידי עיצוב משטחים שמעוותים את האור כך שקרן העוברת דרכם למעשה "מחשבת" את התשובה לבעיית זיהוי.

ממעצם יחיד לסצנות צפופות

רוב הרשתות האופטיות הקיימות מוגבלות למשימות פשוטות, כמו להחליט איזו ספרה מודפסת במרכז תמונה נקייה. הן מתקשות כאשר מופיעים מספר עצמים יחד, חופפים או נעים – בדיוק התנאים שנמצאים בסצנות בעולם האמיתי. ניסיונות קודמים להתמודד עם כמה עצמים דרשו לעתים כללים נוקשים לגבי היכן כל עצם יכול להופיע או הסתמכו על עיבוד אלקטרוני נוסף אחרי שלב האור, מה שהחליש את החיסכון בזמן ובאנרגיה של הגישה האופטית.

להדריך את האור להתעלם מהסחות דעת

המחברים מציגים "רשת עצבית דיפרקטיבית אנטי‑הפרעה", או AI D2NN, שמתמודדת ישירות עם סצנות עמוסות. היא מורכבת משתי שכבות דקיקות מאוד בעלות תבניות — מטאסרפייסים — שקרן אור טרה‑הרץ עוברת דרכן. שכבות אלה מעוצבות באמצעות אימון ממוחשב כך שאור שמגיע מעצמים יעד, כאן הספרות הכתובות ביד 0 עד 5, מונע אל אחד משישה כתמים מוארים קטנים במישור הפלט, כתם אחד לכל ספרה. במקביל, האור מכל השאר — ספרות אחרות, תמונות בגדים, אותיות ושילובים אקראיים שלהם — מובל בכוונה לפיזור עמום, כמעט אחיד, שאינו מפעיל אף אחד מכתמי הפלט.

בניית מחשב אור פיזי ובחינתו

כדי להפוך את העיצוב המאומן לחומרה, הצוות ייצר מטאסרפייסים מסיליקון המורכבים מעמודים צילינדריים זעירים שמעכבים את האור העוברת בכמויות מדויקות. מסודרים ברשת של 100 על 100, העמודים האלה פועלים כמו נוירונים אופטיים שהשפעתם המשולבת מממשת את הרשת הנלמדת. החוקרים בדקו את המערכת עם קרני טרה‑הרץ מעוצבות שמציגות תערובות של ספרות יעד ו‑40 סוגי צורות מפריעות שונים, הממוקמות בעמדות ובגדלים אקראיים כדי לדמות סצנות זזות וצפופות. בסימולציות ממוחשבות, הרשת האופטית זיהתה נכון את הספרות הנבחרות בכ‑87 אחוזים מהמקרים המאתגרים הללו, וערכה ניסיוני ממשי הגיע לדייקנות כמעט זהה, מה שמדגים שהמושג עובד גם מחוץ לדגם מחשב.

מה משמעות הדבר עבור מכונות עתידיות

במילים פשוטות, עבודה זו מראה שניתן לבנות התקן אופטי דק כנייר שמסתכל דרך העומס ועדיין מזהה את האובייקט שמעניין אותו, באמצעות אנרגיה מועטה מאוד ובמהירות האור. מכיוון שהעיצוב נשען על תכונות כלליות של דיפרקציה, אותה הרעיון יכול להיות מוקטן או מורחב לצבעים או לאורךי גל שונים של אור ולשולב עם תכסיסים אופטי נוספים כדי לטפל בהרבה יותר קטגוריות עצמים בבת אחת. עם שיפורים נוספים, רשתות אופטיות אנטי‑הפרעה דומות יוכלו לסייע לרכבים אוטונומיים לזהות במהירות בעלי‑חיים חשובים על הכביש, לסייע לרופאים לסמן תכונות חשודות בסריקות בזמן אמת, או לתמוך במצלמות אבטחה קלות שמשימות איתור איומים ללא עיבוד אלקטרוני כבד.

ציטוט: Huang, Z., Liu, Y., Zhang, N. et al. Anti-interference diffractive deep neural networks for multi-object recognition. Light Sci Appl 15, 101 (2026). https://doi.org/10.1038/s41377-026-02188-7

מילות מפתח: רשתות עצביות אופטיות, זיהוי מרובה עצמים, מטאסרפייסים, הדמיית טרה‑הרץ, חישוב אופטי מלא