기존의 ai는 gpu를 이용해 연산한다. 즉 전자회로를 이용하는 것이다.
ONN은 이와는 다르게 광학을 이용해 연산한다. 물리적으로 아얘 다른 장치에서 작동하는 것이다.
| 항목 | 전통 신경망 (CNN 등) | 광학 신경망 (ONN) |
|---|---|---|
| 연산 방식 | 전자 회로에서 수치 연산 (CPU, GPU) | 광학 소자(레이저, 렌즈, 광변조기 등)를 통한 연산 |
| 속도 | 빠르지만 전력 소모 큼 | 빛의 속도 → 초고속, 전력 소모 거의 없음 |
| 병렬성 | 병렬처리 제한적 | 자연 병렬성 매우 강함 (빛은 동시에 여러 경로 가능) |
| 연산 예 | 행렬 곱, ReLU 등 | 간섭, 회절, 비선형 필터 등으로 근사 |
| 단점 | 발열, 전력소모 | 정밀 제어 어려움, 오차 많음, 학습은 보통 못 함 |
Physics-Constrained Comprehensive Optical Neural 논문에서는 큰 오차에 대한 문제를 해결하는 방법을 제시한다.
논문: “Physics-Constrained Comprehensive Optical Neural Networks”,
Ziqi Yan et al., NeurIPS 2023
바로 DNN 신경망으로 ONN신경망을 학습하는 것이다. ONN 주 신경망을 DNN 보조신경망을 이용해 물리적 오차를 학습하고, 그 오차를 주 신경망의 예측에 반영하는 방식으로 오차를 줄인다는 것이다.
Site Title 
댓글 남기기