Самарский университет имени Королева разработал инновационную архитектуру оптических нейросетей, предназначенную для создания автономного и энергоэффективного искусственного интеллекта, интегрируемого в беспилотные летательные аппараты (БПЛА). Эту информацию распространила пресс-служба университета.
Университет пояснил, что оптические нейросети обладают высокой скоростью обработки данных и низким энергопотреблением, однако они уступают цифровым нейросетям в точности анализа. Самарские исследователи предложили метод оптического матричного умножения, позволяющий оптическим трансформерам достигать или превосходить традиционные цифровые нейросети по точности.
Директор института искусственного интеллекта и руководитель центра "Интеллектуальная мобильность многофункциональных беспилотных авиационных систем" Самарского университета, профессор Артем Никоноров, отметил: "Мы впервые продемонстрировали, что оптические трансформеры могут быть эквивалентны или даже превосходить цифровые нейросети по эффективности. Мы разработали численную модель оптического умножения, интегрируемую в процесс обучения нейросети, что позволяет ей автоматически корректировать погрешности без ущерба для точности."
Эффективность предложенной схемы была подтверждена экспериментально с использованием численных моделей, включающих компактные языковые модели, упрощенные архитектуры компьютерного зрения и нейросети для оценки кредитоспособности. В схему также был интегрирован миниатюрный дифракционный элемент, применяемый в оптических системах наноспутников.
Исследователи планируют создать аппаратный прототип оптической нейросети для интеграции в БПЛА, что станет следующим этапом их работы.
Проект был реализован в университетском центре искусственного интеллекта в рамках программы "Искусственный интеллект". Результаты исследования будут представлены на международной конференции ACM Conference on Embedded Networked Sensor Systems, которая состоится в мае 2026 года во Франции.