Geliştirilmiş optik faz modülasyonlu yeniden yapılandırılabilir manyeto-optik kırınımlı sinir ağı

Işıkla Düşünen Akıllı Kameralar

Bugünün en akıllı telefonları ve otomobilleri yüz tanıma, yol tabelelerini okuma veya yayaları tespit etme için büyük miktarda güç tüketen çiplere dayanıyor. Bu çalışma çok farklı bir yaklaşımı inceliyor: hesaplamaları elektronik devrelerde yapmak yerine, ışığın ince bir manyetik filmden geçerken kendisinin hesaplamayı yapmasına izin veriyor. Sonuç, görüntüleri hızla sınıflandırabilen, yeniden programlanabilir, küçük bir optik "beyin"; çok düşük enerji kullanımıyla gelecekte ışık sensörlere çarptığı anda dünyayı anlayan kameralara işaret ediyor.

Işığa Hesaplama Yaptırmak

Birçok yapay zeka uygulamasını çalıştıran geleneksel sinir ağları, elektronları dolaştıran silikon çipler üzerinde işler. Bu enerji gerektirir ve zaman alır. Buna karşılık, kırınımlı sinir ağları, gelen ışığın doğru şekilde bükülmesi, enterferans yapması ve yayılması için özel desenli saydam katmanlar kullanır; böylece aynı tür hesaplamaları ışık yolu boyunca doğal olarak gerçekleştirir. Bu tür bir katmandaki her küçük nokta bir nöron gibi davranır ve ışığın fazını—dalgalarının nasıl hizalandığını—hafifçe değiştirerek farklı giriş görüntülerinin çıkışta farklı parlaklık desenleri üretmesini sağlar.

Esneklik İçin Manyetizmanın Eklenmesi

Önceki optik tasarımlarda sorun şu ki, üretildikten sonra desenler büyük ölçüde sabittir. Görevi değiştirmek—el yazısıyla yazılmış rakamları okumaktan ayakkabı veya gömlek tespiti yapmaya—çoğu zaman yeni bir cihaz gerektirir. Bu çalışmanın ekibi ise ana katmanı manyeto-optik bir filmden inşa ediyor; geçen ışığın polarizasyonunu büken küçük manyetik alanlara sahip camımsı bir malzeme. Bu alanlar bir lazer ve manyetik alan kullanılarak yazılabilir, silinebilir ve tekrar yazılabilir; tıpkı eski manyeto-optik disklere veri kaydetmek gibi. Bu, optik sinir ağını yeniden yapılandırılabilir kılıyor: aynı film parçası, yeni tanıma görevleri için yerinde yeniden tasarlanabilir.

Zayıf Bir Etkiyi Güçlü Bir Sinyale Çevirmek

Kendi başına, manyetik filmin ışığı büktüğü miktar oldukça küçüktür—sıvı kristal ekranların başarabildiğinin çok altında—bu yüzden güçlü bir bilgisayar inşa etmek için çok zayıf görünebilir. Yazarlar bunu ince bir kırınım etkisinden yararlanarak aşıyor. Polarize ışık desenli manyetik alanlara çarptığında, çıkan ışığın farklı bölümleri birbirine dik polarizasyon yönleri kazanır. Filmin arkasına bir polarizatör yerleştirerek, yerinde fazla değişmeyen ışık bileşenleri bastırılır ve çoğunlukla güçlü şekilde bükülen bileşen korunur. Bu zekice filtreleme, malzemenin kendisinde büyük faz kaymaları gerekmeden faydalı sinyali büyük ölçüde artırır.

Rakamdan Moda Parçasına

Tasarımı test etmek için araştırmacılar tek bir manyeto-optik katmanı ve polarizatörü birlikte standart kıyas setlerindeki görüntüleri tanımaya eğittiler. Bilgisayar simülasyonlarında sistem, el yazısı rakamları yaklaşık yüzde 98 doğrulukla sınıflandırdı—daha güçlü faz kontrolüne dayanan daha karmaşık optik ağlara benzer şekilde. Yeterli sayıda küçük manyetik "nöron" kullanıldığında daha zorlu bir giysi görüntü setini de neredeyse yüzde 89 doğrulukla işleyebildi. Ekip ardından bir bismut ve galyum içeren garnet filmi, yeşil bir lazer ve bir kamera kullanarak gerçek bir versiyon inşa etti. Pratik kusurlar olsa bile fiziksel cihaz rakamlar için yüzde 83’ün, moda öğeleri için yüzde 71’in üzerinde doğruluk sağladı ve manyetik deseni yeniden yazarak bu görevler arasında kolayca geçiş yapabildi.

Algılayıp Karar Veren Yonga Üstü Kameralara Doğru

Gündelik terimlerle bu çalışma gösteriyor ki ince, yeniden yazılabilir bir manyetik film, içinden geçen ışığı yalnızca hafifçe büktüğü halde optik bir yapay zeka sisteminin düşünme katmanı olarak hizmet edebilir. Kırınımı ve polarizasyonu akıllıca düzenleyerek yazarlar mütevazı malzeme özelliklerinden güçlü desen tanıma yeteneği sıkıştırıyor. Cihaz kompakt, manyetik durumunu korumak için güç gerektirmiyor ve görünür dalga boylarında çalıştığı için bir gün görüntü sensörlerinin doğrudan üstüne yerleştirilebilir. Böyle "uç" kameralar sahneleri sadece kaydetmekle kalmaz, gelen ışık çarptığı anda rakamları, nesneleri veya trafik işaretlerini tanıyarak bugünün dijital işlemcilerinden çok daha az enerji tüketirler.

Atıf: Sakaguchi, H., Watanabe, K., Ikeda, J. et al. Reconfigurable magneto-optical diffractive neural network with enhanced optical phase modulation. Sci Rep 16, 8920 (2026). https://doi.org/10.1038/s41598-026-42193-9

Anahtar kelimeler: fotoni̇k hesaplama, optik sinir ağları, manyeto-optik malzemeler, görüntü sınıflandırma, nöromorfik donanım