Wetenschappers stellen voor deep learning in te zetten voor de foutcorrectie bij het uitlezen van optische opslag op basis van silicium nanostructuren. Deze methode maakt optische opslag met aanzienlijk hogere dichtheid mogelijk.
Onderzoekers werken al langer aan opvolgers voor dvd en blu-ray met hogere opslagdichtheid. Bij die bestaande optische media worden bits op een oppervlak opgeslagen met een omvang die verband houdt met de diffractielimiet. Dat is de afstand tussen twee naastgelegen punten die de laser kan onderscheiden.
Veel initiatieven om de opslagdichtheid te verhogen hebben nadelen, schrijven onderzoekers van de universiteit van Toulouse. Ze bieden niet veel verbetering ten opzichte van de bestaande optische opslagtechnieken of zijn complex wat betreft het opslagmedium of uitleessysteem.
Fotonische nanostructuren zijn veelbelovend, volgens de onderzoekers, als instrument om licht op nanoschaal te controleren. Ook die techniek heeft nadelen, erkennen ze, omdat ruis en kleine afwijkingen in de geometrie, zoals door defecten, tot fouten bij de optische detectie kunnen leiden. Bovendien maakt het gebruikte materiaal, vaak goud, de productie niet schaalbaar.
De onderzoekers stellen daarom voor silicium nanostructuren te gebruiken. Deze ondersteunen optische resonantie met weinig verlies en zijn tunable voor het gehele zichtbare spectrum. Daarnaast is de productie dankzij cmos-technologie beproefd en goedkoop.
De geometrie van de structuren betreft een layout van blokken en 'gaten' die achtereenvolgend de 1 en de 0 vertegenwoordigen. Zo gaat het bij twee blokken en twee 'gaten' om vier bits en zijn er ook varianten van twee, drie of vijf bits mogelijk. De structuur is afgebakend door een L-vormige wand en de blokken hebben een afmeting van 120x120nm met een hoogte van 90nm.
Met behulp van donkerveldmicroscopie is het spectrum in kaart te brengen van het licht dat de verschillende structuren verstrooid weerkaatsen. Om de bit-sequenties te verkrijgen die de structuren vertegenwoordigen, lieten de Franse wetenschappers een neuraal netwerk trainen op een dataset van verkregen spectra. Ze gebruikten een architectuur die geoptimaliseerd is voor het herkennen van patronen.
De resultaten waren 'quasi'-foutenvrij en het meten van enkele golflengtes in plaats van het gehele spectrum bleek al voldoende om de informatie uit te lezen. De techniek kan nog versimpeld worden door te focussen op het meten van rgb-waarden waarmee simultaan duizenden structuren op een groot oppervlak met een enkele meting uitgelezen kunnen worden, betogen de wetenschappers.
De onderzoekers melden niets over de snelheid van het uitlezen of schrijven en ook is niet duidelijk hoeveel rek er is om de opslagdichtheid verder op te rekken. Wel wijzen ze op het voordeel van het massaal parallel kunnen uitlezen en de mogelijkheid dat uitlezen met simpele en goedkope systemen kan, waarmee het onderzoek als een startpunt voor een nieuwe opslagtechniek te zien zou zijn.
Ze publiceerden hun onderzoek in een artikel met de naam Pushing the limits of optical information storage using deep learning in Nature Nanotechnology. Het gehele artikel is alleen tegen betaling verkrijgbaar maar een eerdere publicatie is wel vrijelijk in te zien.