Метод случайных проекций — один из методов понижения размерности в задачах анализа данных, который позволяет значительно снизить размерность данных, незначительно изменяя расстояния между объектами, что важно для дальнейшего обучения нейросети. Такой метод очень интересен его применением в обучении нейросетей методом выравнивания обратной связи (англ. Direct Feedback Alignment — DFA), который позволяет ускорить процесс вычислений и проводить их параллельно.

Для применения метода требуется умножение на случайную матрицу, которая может быть реализована физически. При этом приблизительно сохраняются не только расстояния между точками, но и углы. Применение метода в определенных случаях может значительно ускорить обучение нейросетей.

Фотонный вычислитель позволяет реализовывать умножение на случайную матрицу «со скоростью света», что позволяет реализовать различные методы машинного обучения, такие как DFA или ядерные методы. В рамках данного направления нашей научной группой разрабатывается такой оптический вычислитель, использующий эффекты оптики для мгновенного и энергоэффективного умножения на случайную матрицу, за счет использования случайной рассеивающей среды, облучаемой когерентным источником света, несущим информацию об исходном векторе.

Также с помощью случайных проекций можно наоборот повышать размерность задачи — такой метод решения называется резервуарными вычислениями (англ. Reservoir Computing). Этот подход хорошо подходит для анализа хаотических систем и распознавания речи. Аналоговый оптический вычислитель позволяет использовать резервуары таких размерностей, которых невозможно достичь на актуальных полупроводниковых электронных решениях.