С помощью численного моделирования на основе обобщенного нелинейного уравнения Шрёдингера исследована экстремальная обучающая машина (ELM), физически реализуемая при распространении импульсов в оптическом волокне. На примере классификации рукописных цифр MNIST проанализирована зависимость точности от режимов дисперсии (аномальная и нормальная), параметров спектрального кодирования, считывания и уровня квантового шума. При ограничении только квантовыми флуктуациями входных сигналов достигнута точность тестирования выше 91% в аномальной и 93% в нормальной дисперсионной области. Показано, что квантовый шум вносит фундаментальный штраф, снижая производительность ELM. Результаты определяют пределы применимости волоконно-оптических платформ для быстрых и энергоэффективных аппаратных вычислений.
Свет, несущий картинку цифры, впрыскивается в стеклянную жилу почти со скоростью света. Внутри, как вода в порожистой реке, поток света сам себя перемешивает: вихри и столкновения превращают изображение в хаотичный узор. Именно это и есть вычисления — без единого транзистора. На выходе собирают радугу брызг (спектр) и измеряют яркость каждого оттенка, чтобы расшифровать итог простым алгоритмом.
Тысячи рукописных цифр из коллекции MNIST были пропущены через такую установку. Результат — 93% правильных ответов. Вся система: кусок обычного интернет-кабеля и пара лазеров. При этом намеренное растяжение света во времени (дисперсия, которая обычно портит сигнал) лишь улучшила распознавание.
Мелкая дробь от квантового шума, словно рябь от дождинок, слегка замутняет картину, но не мешает волоконному «мозгу» работать. Интрига: чтобы стереть всё обучение, хватает одного мощного светового импульса — словно волна смывает рисунки на песке, и система готова учиться заново.
🎯 Обычное телекоммуникационное волокно, которое лежит на дне океана для интернета, можно превратить в обучаемый компьютер, просто пропуская через него хитро закодированный свет. А чтобы забыть всё, чему он научился, достаточно одной яркой вспышки — и волокно готово учиться с нуля.