Исследователи создали оптические генеративные модели для устойчивого ИИ

Оптические генеративные модели. Автор: Ozcan Lab / UCLA.

Исследователи из Калифорнийского университета в Лос-Анджелесе (UCLA) разработали оптические генеративные модели, способные создавать изображения с использованием физики света вместо традиционных электронных вычислений. Работа, опубликованная в журнале Nature, представляет новую парадигму для генеративного ИИ, которая может значительно снизить энергопотребление.

Команда под руководством профессора Айдогана Озкана создала систему, выполняющую генеративный процесс оптическим способом — используя присущий свету параллелизм и скорость для создания изображений за один проход. Модели интегрируют неглубокий цифровой кодировщик со свободным пространственным дифракционным оптическим декодером.

Случайный шум сначала обрабатывается в «оптические генеративные семена», которые проецируются на пространственный световой модулятор и освещаются лазерным светом. По мере распространения света через статический, предварительно оптимизированный дифракционный декодер, он создает изображения, статистически соответствующие целевому распределению данных.

В отличие от цифровых диффузионных моделей, требующих сотен итеративных шагов, этот процесс достигает генерации изображений моментально, без дополнительных вычислений. Исследователи продемонстрировали создание новых изображений рукописных цифр, предметов одежды, бабочек, человеческих лиц и даже произведений искусства в стиле Винсента Ван Гога.

Были разработаны два фреймворка: моментальные оптические генеративные модели, создающие изображения за один оптический проход, и итеративные модели, имитирующие цифровую диффузию для улучшения результатов. Оптические модели также обеспечивают встроенную конфиденциальность и безопасность благодаря физическому механизму «ключ-замок».

«Наша работа показывает, что оптику можно использовать для выполнения задач генеративного ИИ в масштабе», — заявил профессор Айдоган Озкан.

Исследователи отмечают потенциал интеграции оптических генеративных моделей в носимые и портативные устройства, где компактность и низкое энергопотребление имеют критическое значение. Такие реализации позволят осуществлять генеративный ИИ в реальном времени, предоставляя пользователям передовые возможности создания контента через портативные системы.