La luz como artista: una fibra aprende a reconocer dígitos ✛

‹›

Un pulso láser entra en una fibra óptica y, en 70 metros, se convierte en una máquina de cálculo. La luz que atraviesa la fibra es como un artista que mezcla colores en su paleta: cada componente espectral, cada efecto no lineal aporta su matiz al cuadro final. Así es como una máquina de aprendizaje extremo fotónica reconoce dígitos manuscritos.

En el corazón de esta máquina está la ecuación de Schrödinger no lineal generalizada, que describe la propagación de pulsos ultracortos. Tiene en cuenta la dispersión hasta el cuarto orden, la no linealidad de Kerr y la respuesta Raman de la sílice fundida. La imagen de 28×28 se reduce a un vector de longitud M (por ejemplo, 10×10=100) y se codifica en la fase o amplitud espectral de un pulso con un ancho espectral de 30 nm. Tras atravesar la fibra, el espectro de salida se convoluciona con una función de respuesta gaussiana de 1 nm de ancho y se añade un piso de ruido de -30 dB. El entrenamiento de la ELM se reduce a la pseudoinversa de la matriz de la capa oculta mediante el método de Moore-Penrose, sin necesidad de retropropagación del error.

Los números hablan por sí solos. Con dispersión anómala (régimen solitónico), la precisión de prueba alcanza el 90.9% con N=10 y una longitud de fibra de 70 m; con dispersión normal, el 92.9% con N=10 y 40 m. La dispersión normal ofrece una ventaja de alrededor del 3% gracias a su menor sensibilidad al ruido. Un modelo ideal, sin ruido cuántico ni ruido de lectura, muestra un límite superior del 96.7% (dispersión normal) y del 95.0% (dispersión anómala). Añadir solo ruido cuántico reduce la precisión al 94.8% y al 91.9%, respectivamente, lo que revela una penalización inevitable. Aumentar la no linealidad (parámetro N) y la longitud de la fibra mejora inicialmente el resultado, pero tras el umbral de fisión solitónica la precisión puede caer. La profundidad óptima de modulación de fase es 0.25π, y la de amplitud, 0.5. Incluso reduciendo la imagen a 7×7 píxeles, la precisión se acerca al 90%.

El ruido cuántico, las fluctuaciones aleatorias debidas a la naturaleza discreta de los fotones, resultó no ser un detalle técnico, sino una limitación fundamental. Esto sitúa el trabajo en la línea de los intentos de usar la óptica no lineal como recurso computacional, pero con un nivel de detalle sin precedentes. Por primera vez se separan cuantitativamente las contribuciones de la dinámica no lineal, los parámetros de codificación y los ruidos al rendimiento de una ELM de fibra. Antes no estaba claro cómo afectaban estos factores a la precisión ni qué regímenes eran óptimos; ahora hay un mapa completo de parámetros para la implementación práctica. Los resultados son directamente aplicables al desarrollo de aceleradores fotónicos para tareas de clasificación y regresión.

La perspectiva de desarrollo es clara. El modelo puede extenderse a la ecuación vectorial GNLS teniendo en cuenta la polarización, lo que permitiría usar un grado de libertad adicional para la codificación. La propagación multimodo abre el camino a la codificación y lectura espaciales, aunque requerirá importantes recursos computacionales. También es prometedora la lectura de la fase espectral mediante un oscilador local, lo que podría aumentar la densidad de codificación. Estas direcciones prometen mejorar la precisión y ampliar la clase de problemas resolubles. La luz que atraviesa la fibra, como un artista que mezcla colores en su paleta, y cuanto más rica es la paleta, más preciso es el retrato del dígito.