BEGIN:VCALENDAR VERSION:2.0 PRODID:-//linuxsoftware.nz//NONSGML Joyous v1.4//EN BEGIN:VEVENT SUMMARY:Training optical neural networks for nonlinear logics: Towards ana log simulators of artificial life DTSTART:20241121T150000Z DTEND:20241121T170000Z DTSTAMP:20260911T152454Z UID:cbcf5829-4b04-4a82-bee1-ad5e3a0df435 SEQUENCE:2 CREATED:20241119T105313Z DESCRIPTION:Esta pesquisa investiga o potencial de sistemas óticos para r ealizar cálculos não lineares usando a luz\, um meio inerentemente linea r. Ao introduzir não linearidade numa rede neuronal física\, exploramos o ajuste de várias camadas e elementos óticos de forma a identificar a a rquitetura ideal para o problema em questão. A fase inicial envolve model ar materiais não lineares e analisar as suas propriedades na integração no sistema. Como problema inicial\, implementamos um decodificador ótico e uma porta lógica AND ótica\, utilizando feixes de Laguerre-Gaussian c om diferentes momentos orbito-angulares para codificar os estados binário s possíveis nestes sistemas. As máscaras de fase são otimizadas com um algoritmo baseado no teorema adjunto\, que encontra o design ótimo atrav és da correspondência de frentes de onda. Isto permite que múltiplos fe ixes de entrada distintos interajam e produzam os vários modos de saídas desejadas com base nas regras de mapeamento predefinidas. Para aumentar o desempenho do sistema\, a otimização é conduzida no espaço de Fourier . De forma a otimizar tarefas cada vez mais complexas\, desenvolvemos tamb ém um modelo de aprendizagem em paralelo mais eficiente no treino\, que a través do método do máximo declive descobre a arquitetura ideal para as propriedades contínuas dos componentes óticos utilizados no sistema. Os resultados desta pesquisa confirmam a viabilidade de treinar redes neurai s óticas para cálculos não lineares\, além de aprimorar a manipulaçã o de luz coerente.Além das portas lógicas óticas simples\, esta abordag em estende-se à simulação de uma forma de vida artificial. Automatos ce lulares\, normalmente criados a partir de conjuntos de regras simples\, s ão realizados opticamente. Investigamos a capacidade do sistema de caract erizar várias regras de atualização de estado\, estabelecendo as bases para futuras aplicações\, como a produção ótica do sistema Lenia — um modelo de autômato celular contínuo a duas dimensões. Estes avanços oferecem uma base não apenas para a evolução da computação ótica\, mas também de um novo modelo para explorar vida artificial e autômatos c elulares em sistemas físicos ressonantes. LAST-MODIFIED:20241119T105424Z LOCATION:Sala de Formação Avançada do DF (Sala 2-8.11 - 2º Piso do Pav ilhão de Física)/Online URL:http://df.vps.tecnico.ulisboa.pt/pt/eventos/training-optical-neural-ne tworks-for-nonlinear-logics-towards-analog-simulators-of-artificial-life/ X-ALT-DESC;FMTTYPE=text/html:

Esta pesquisa inves tiga o potencial de sistemas óticos para realizar cálculos não lineares usando a luz\, um meio inerentemente linear. Ao introduzir não linearida de numa rede neuronal física\, exploramos o ajuste de várias camadas e e lementos óticos de forma a identificar a arquitetura ideal para o problem a em questão.

A fase inicial envolve modelar materiais não lin eares e analisar as suas propriedades na integração no sistema. Como pro blema inicial\, implementamos um decodificador ótico e uma porta lógica AND ótica\, utilizando feixes de Laguerre-Gaussian com diferentes momento s orbito-angulares para codificar os estados binários possíveis nestes s istemas.

As máscaras de fase são otimizadas com um algoritmo b aseado no teorema adjunto\, que encontra o design ótimo através da corre spondência de frentes de onda. Isto permite que múltiplos feixes de entr ada distintos interajam e produzam os vários modos de saídas desejadas c om base nas regras de mapeamento predefinidas. Para aumentar o desempenho do sistema\, a otimização é conduzida no espaço de Fourier.

De forma a otimizar tarefas cada vez mais complexas\, desenvolvemos també m um modelo de aprendizagem em paralelo mais eficiente no treino\, que atr avés do método do máximo declive descobre a arquitetura ideal para as p ropriedades contínuas dos componentes óticos utilizados no sistema. Os r esultados desta pesquisa confirmam a viabilidade de treinar redes neurais óticas para cálculos não lineares\, além de aprimorar a manipulação de luz coerente.

Além das portas lógicas ó ticas simples\, esta abordagem estende-se à simulação de uma forma de v ida artificial. Automatos celulares\, normalmente criados a partir de conj untos de regras simples\, são realizados opticamente. Investigamos a capa cidade do sistema de caracterizar várias regras de atualização de estad o\, estabelecendo as bases para futuras aplicações\, como a produção ótica do sistema Lenia — um modelo de autômato celular contínuo a dua s dimensões. Estes avanços oferecem uma base não apenas para a evoluç ão da computação ótica\, mas também de um novo modelo para explorar v ida artificial e autômatos celulares em sistemas físicos ressonantes.

END:VEVENT END:VCALENDAR