Самарские ученые добились максимальной точности работы фотонного вычислителя

Ученые Самарского университета им. Королёва добились максимальной точности работы экспериментального образца аналоговой фотонной вычислительной системы, способной обрабатывать видеоданные в сотни раз быстрее, чем это делают современные цифровые нейросети на основе традиционных полупроводниковых компьютеров. По результатам тестирования и дополнительной настройки системы ученым удалось довести точность распознавания объектов на установке почти до 98%, что очень близко к теоретическому максимуму для подобного класса оборудования. 

"В ходе экспериментов благодаря дополнительной регулировке и донастройке компонентов нам удалось достичь максимального показателя точности распознавания в 97,86%. По нашим расчетам, теоретически на данном оборудовании возможно достичь точности в 98,04%, то есть мы почти дошли до теоретически возможного максимума, можно сказать, выжали из установки все, что можно. Эксперименты продолжаются, но, скорее всего, в ближайшей перспективе достигнутый показатель в 97,86% превзойти нам не удастся, к тому же в этом и нет особой необходимости – для успешной работы системе достаточно и такой точности. Сейчас перед нами стоят новые задачи: мы переходим от экспериментов по тестовым базам к отработке более практических задач, анализу реальных видеопотоков и гиперспектральных изображений, поиску и распознаванию заданных объектов в сложных условиях", – рассказал профессор кафедры технической кибернетики Самарского университета им. Королёва, доктор физико-математических наук Роман Скиданов.

У самого первого варианта фотонной вычислительной системы, так называемого демонстрационного образца, созданного в университете в 2023 году, показатель точности распознавания составлял 93,75%. Как подчеркнул Роман Скиданов, в реальных условиях работы при скоростном анализе видеопотоков и гиперспектральных данных показатель точности распознавания, безусловно, будет значительно ниже того уровня, что был достигнут в лабораторных условиях: точность распознавания сильно зависит от качества получаемых системой данных – качества "картинки" и наличия различных сопутствующих факторов, мешающих эффективному распознаванию объекта. 

"Серия экспериментов будет продолжаться, установка будет модернизироваться, планируем обновить некоторые ее компоненты. В этом году мы также планируем начать сборку опытного образца фотонного вычислителя, он будет создаваться на базе экспериментального образца после ряда модернизаций и будет, по сути, являться предсерийным", – отметил Роман Скиданов.

Проект создания аналоговой фотонной вычислительной системы реализуется в рамках научной программы Национального центра физики и математики (НЦФМ). Исследования по данному проекту финансируются со стороны Министерства науки и высшего образования Российской Федерации и Госкорпорации "Росатом".

Оптическая нейросеть на основе такого фотонного вычислителя сможет в режиме реального времени анализировать поступающий в систему видеопоток и практически мгновенно, со скоростью работы устройств ввода-вывода, распознавать и находить в этом видеопотоке заданные к поиску объекты и изображения. Наряду с анализом "картинки" с обычной видеокамеры, разработка также сможет оперативно анализировать данные, получаемые с помощью гиперспектрометров – устройств, видящих реальность в многоканальном спектральном отображении и позволяющих обнаруживать объекты, невидимые для обычных средств наблюдения.

Возможность анализа гиперспектральных данных является ключевой особенностью самарского фотонного вычислителя. Гиперспектральные данные изначально представляют собой очень значительные по объему массивы информации, анализ которых требует, как правило, значительных затрат времени.

Кроме быстродействия и широкого спектрального диапазона, аналоговые оптические вычислительные системы обладают также такими преимуществами, как полная защищенность от электромагнитных помех, малое потребление энергии и возможность параллельной обработки данных. Схема системы, позволяющей вести полностью оптическую обработку поступающей информации, была впервые предложена еще в 1958 году. Данное направление активно развивалось в 80-е годы прошлого века, но затем применение подобных устройств практически сошло на нет из-за их громоздкости и в связи с развитием цифровой техники. Последние годы эта сфера прикладных исследований становится все более актуальной в различных странах мира благодаря появлению новых материалов, устройств ввода-вывода и созданию компактной оптики с особой структурой.

Справочно

При гиперспектральной съемке или гиперспектральном дистанционном зондировании Земли, проводимом с БПЛА или космического спутника, каждый пиксель полученного изображения представлен в виде полного или непрерывного спектра, что позволяет выявлять спектральные свойства искомых объектов и в ходе анализа полученных данных обнаруживать объекты, которые нельзя увидеть с помощью иных средств наблюдения.

Например, с помощью гиперспектрометров можно эффективно обнаруживать парниковые газы, фиксируя выбросы метана и CO2, а также вести геологоразведку труднодоступных территорий, выявляя из космоса спектральные сигнатуры различных минералов, в том числе тех, что указывают на возможное расположение месторождений нефти и природного газа. Гиперспектрометры более качественно и точно отслеживают возникновение лесных пожаров, следят за состоянием лесов и сельскохозяйственных посевов, помогают вычислять вегетационные индексы и даже выявляют из космоса стресс у растений.