Когда смартфон разблокируется по лицу, за долю секунды происходит целая цепочка вычислений: камера снимает изображение, процессор запускает нейросетевую модель, та сравнивает снимок с эталоном. На всё это тратятся энергия и время. Исследователи Висконсинского университета в Мэдисоне предложили радикально другой подход: перенести вычисление в физику материала, убрав камеры, процессор и источник питания на этапе распознавания.
Что такое пассивное оптическое вычисление
В 2019 году группа под руководством профессора Зунфу Ю опубликовала в журнале Photonics Research описание proof-of-concept — демонстрационного образца, подтверждающего принципиальную работоспособность идеи.
Суть метода такова. В куске стекла специально размещают пузырьки воздуха разного размера и формы, а также вкрапления светопоглощающего материала — в эксперименте использовался графен. Расположение этих включений спроектировано так, что свет, проходящий через стекло, преломляется и поглощается определённым образом. Если на вход подать изображение цифры, свет фокусируется в одной из девяти заданных точек на выходной стороне стекла — каждая соответствует цифре от одного до девяти.
Никаких датчиков, проводов или батарей в процессе распознавания нет. Вычисление выполняет сам свет, распространяясь через материал. В демонстрации исследователи также показали, что стекло способно различить, как рукописная тройка превращается в восьмёрку при дорисовке элементов.
«Это полностью отличается от типичного подхода к машинному зрению», — отметил Зунфу Ю в материале пресс-службы университета.
Как проектируется такое стекло
Создание такого стекла напоминает обучение нейросети, только вместо цифровых весов «тренируются» физические параметры материала. Исследователи моделируют, как свет будет распространяться через стекло с разными конфигурациями включений, находят оптимальное расположение — и затем изготавливают реальный образец с заданными характеристиками.
Процесс проектирования и изготовления требует вычислительных ресурсов. Само стекло, по словам авторов, после изготовления относительно дёшево и технологически несложно. Главная особенность: конкретный образец решает строго одну задачу — ту, для которой он был спроектирован. Распознавать цифры и одновременно идентифицировать лица один и тот же кусок стекла не сможет.
Преимущества по сравнению с электронными нейросетями
Главное преимущество — пассивность самого оптического элемента на этапе распознавания. После прохождения света результат формируется без обычного электронного процессора и без отдельного питания стекла. Это позволяет уменьшить задержку и энергозатраты вычислительной части, но не доказывает отсутствие нагрева, обслуживания или деградации в реальном устройстве.
Авторы в качестве возможного применения называли биометрический замок, настроенный на распознавание конкретного лица. Это была иллюстрация потенциала технологии, а не испытание готового замка или подтверждение неограниченного срока службы.
Это открывает интересные ниши: сверхнадёжные пассивные системы безопасности, маломощная промышленная сортировка, распознавание объектов в условиях, где источник питания недоступен или ненадёжен.
Ограничения, о которых важно знать
Демонстрационный образец 2019 года работал с чётко ограниченным набором входных данных — рукописными цифрами в контролируемых условиях освещения. Это существенное ограничение: современные электронные модели можно обучать на гораздо более широких наборах изображений, адаптировать к разным объектам и программно улучшать устойчивость к изменениям освещения, угла и масштаба.
Оптическое стекло фиксирует одну задачу в момент изготовления и не может быть «переобучено» после того, как его произвели. Новая задача — новое стекло, спроектированное и изготовленное с нуля. Электронная нейросеть, напротив, может быть обновлена программно в любой момент.
Стекло чувствительно к условиям освещения: интенсивность, длина волны и направление падающего света влияют на результат. В реальных применениях это потребует либо контролируемых условий, либо дополнительных компенсирующих решений.
Важно и то, что энергия в системе всё же присутствует — в виде света, несущего входное изображение. Утверждение «без питания» точно только в том смысле, что самому оптическому элементу не нужен отдельный источник электричества; освещение и считывание результата могут потребовать энергии.
Наконец, сравнивать результаты этой разработки с оконным стеклом, системой Face ID или готовым массовым продуктом преждевременно: речь о лабораторном proof-of-concept 2019 года, показавшем принципиальную возможность подхода.
Где этот подход может найти применение
Авторы называли несколько перспективных направлений. Помимо биометрических замков, это встроенное «зрение» в устройствах с ограниченным энергоснабжением — сенсоры в труднодоступных местах, промышленные системы контроля качества с простыми задачами сортировки, компоненты автономных датчиков.
Исследователи предполагали, что подход удастся распространить на более сложные задачи классификации с малым энергопотреблением вычислительного элемента. Пока это направление дальнейшей работы, а не характеристика продемонстрированного образца.
Путь от лабораторной демонстрации до коммерческого продукта обычно занимает годы, а нередко — десятилетия. Тем не менее направление пассивного оптического вычисления получило заметный импульс, и соответствующих публикаций в последующие годы стало значительно больше.
Читайте также: Как закрученный свет различает зеркальные молекулы