論文の概要: Modeling Silicon-Photonic Neural Networks under Uncertainties

• arxiv url: http://arxiv.org/abs/2012.10594v1
• Date: Sat, 19 Dec 2020 04:41:26 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-01 11:07:29.411792
• Title: Modeling Silicon-Photonic Neural Networks under Uncertainties
• Title（参考訳）: 不確かさ下でのシリコンフォトニックニューラルネットワークのモデリング
• Authors: Sanmitra Banerjee, Mahdi Nikdast, and Krishnendu Chakrabarty
• Abstract要約: シリコンフォトニクスニューラルネットワーク(spnn)は、デジタル電子回路に比べて計算速度とエネルギー効率が大幅に向上する。 しかし,SPNNのエネルギー効率と精度は,製造過程や温度変化から生じる不確実性の影響が大きい。 MZI(Mch-Zehnder Interferometer)ベースのSPNNの分類精度に対するランダム不確実性の影響に関する最初の包括的かつ階層的研究を提示する。
• 参考スコア（独自算出の注目度）: 4.205518884494758
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Silicon-photonic neural networks (SPNNs) offer substantial improvements in computing speed and energy efficiency compared to their digital electronic counterparts. However, the energy efficiency and accuracy of SPNNs are highly impacted by uncertainties that arise from fabrication-process and thermal variations. In this paper, we present the first comprehensive and hierarchical study on the impact of random uncertainties on the classification accuracy of a Mach-Zehnder Interferometer (MZI)-based SPNN. We show that such impact can vary based on both the location and characteristics (e.g., tuned phase angles) of a non-ideal silicon-photonic device. Simulation results show that in an SPNN with two hidden layers and 1374 tunable-thermal-phase shifters, random uncertainties even in mature fabrication processes can lead to a catastrophic 70% accuracy loss.
• Abstract（参考訳）: シリコンフォトニクスニューラルネットワーク(spnn)は、デジタル電子回路に比べて計算速度とエネルギー効率が大幅に向上する。 しかし,SPNNのエネルギー効率と精度は,製造過程や温度変化から生じる不確実性の影響が大きい。 本稿では,mzi(mach-zehnder interferometer)ベースのspnの分類精度に対する不確かさの影響について,初めて包括的かつ階層的検討を行った。 このような影響は、非イデアルシリコンフォトニックデバイスの位置と特性(例えば、調整された位相角)によって異なることが示される。 シミュレーションの結果, 2つの層と1374個の調整可能な熱水相シフト器を持つSPNNでは, 成熟した製造プロセスにおいてもランダムな不確かさが破滅的な70%の精度損失をもたらすことが示された。

関連論文リスト

• Design and simulation of a transmon qubit chip for Axion detection [103.69390312201169]
  超伝導量子ビットに基づくデバイスは、量子非劣化測定(QND)による数GHz単一光子の検出に成功している。 本研究では,Qub-ITの超伝導量子ビットデバイスの実現に向けた状況を示す。
  論文  参考訳（メタデータ） (2023-10-08T17:11:42Z)
• Classification robustness to common optical aberrations [64.08840063305313]
  本稿では,現実的かつ実用的な光ぼけ効果に対するロバスト性を調べるためのベンチマークである OpticsBench を提案する。 ImageNetの実験では、様々な訓練済みのDNNに対して、ディスク形状のカーネルと比較して、パフォーマンスが強いことが示されている。 我々は,光カーネルをデータ拡張として使用することにより,拡張可能なImageNet-100について述べる。
  論文  参考訳（メタデータ） (2023-08-29T08:36:00Z)
• Analysis of Optical Loss and Crosstalk Noise in MZI-based Coherent Photonic Neural Networks [8.930237478906266]
  シリコンフォトニックベースのニューラルネットワーク(SP-NN)アクセラレーターは、電子加速器に代わる有望な代替品として登場した。 本稿ではボトムアップ手法を用いて,光損失とクロストークノイズを包括的にモデル化する。 異なるスケールのSP-NNに対して,高出力のペナルティと破滅的推論精度が最大84%低下することを示す。
  論文  参考訳（メタデータ） (2023-08-07T02:01:18Z)
• Accurate melting point prediction through autonomous physics-informed learning [52.217497897835344]
  NPTアンサンブルにおける共存シミュレーションから自律的に学習することで融点を計算するアルゴリズムを提案する。 固液共存進化の物理モデルを統合することで、アルゴリズムの精度が向上し、最適な意思決定が可能になることを実証する。
  論文  参考訳（メタデータ） (2023-06-23T07:53:09Z)
• Database of semiconductor point-defect properties for applications in quantum technologies [54.17256385566032]
  我々はダイヤモンド、炭化ケイ素、シリコンなど様々な半導体の5万点欠陥を計算した。 生成エネルギー,スピン特性,遷移双極子モーメント,ゼロフォノン線など,これらの欠陥の関連光学的および電子的特性を特徴付ける。 内在シリコンで安定な2331個の複合欠陥が検出され、光に輝く多くのスピン量子ビット候補と単一光子源を特定するためにフィルタされる。
  論文  参考訳（メタデータ） (2023-03-28T19:51:08Z)
• The Hardware Impact of Quantization and Pruning for Weights in Spiking Neural Networks [0.368986335765876]
  パラメータの量子化とプルーニングは、モデルサイズを圧縮し、メモリフットプリントを削減し、低レイテンシ実行を容易にする。 本研究では,身近な身近なジェスチャー認識システムであるSNNに対して,孤立度,累積的に,そして同時にプルーニングと量子化の様々な組み合わせについて検討する。 本研究では,3次重みまで精度の低下に悩まされることなく,攻撃的パラメータ量子化に対処可能であることを示す。
  論文  参考訳（メタデータ） (2023-02-08T16:25:20Z)
• Characterizing Coherent Integrated Photonic Neural Networks under Imperfections [7.387054116520716]
  従来の電子AIアクセラレータの後継として、統合フォトニックニューラルネットワーク(IPNN)が登場している。 本稿ではボトムアップ手法を用いて,IPNNにおける不確実性と不正確性の影響を系統的に評価する。
  論文  参考訳（メタデータ） (2022-07-22T01:33:19Z)
• Characterization and Optimization of Integrated Silicon-Photonic Neural Networks under Fabrication-Process Variations [8.690877625458324]
  シリコンフォトニックニューラルネットワーク(SPNN)は、電子人工知能(AI)アクセラレーターの後継として期待されている。 SPNNの基盤となるシリコンフォトニックデバイスは、光学リソグラフィーの不完全性から生じる避けられない製造過程の変動(FPV)に敏感である。 本研究では,SPNNにおける異なるFPVに対するMZI耐性を改善するために,新しい変動認識型設計時最適化手法を提案する。
  論文  参考訳（メタデータ） (2022-04-19T23:03:36Z)
• LoCI: An Analysis of the Impact of Optical Loss and Crosstalk Noise in Integrated Silicon-Photonic Neural Networks [8.930237478906266]
  統合シリコンフォトニックニューラルネットワーク(SP-NN)は、新たな人工知能アプリケーションのために、より高速でエネルギー効率を約束する。 本稿では,SP-NNのための包括的かつ体系的な光損失とクロストークモデリングフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-04-08T04:22:39Z)
• Enhanced physics-constrained deep neural networks for modeling vanadium redox flow battery [62.997667081978825]
  本稿では,物理制約付き深部ニューラルネットワーク(PCDNN)による高精度電圧予測手法を提案する。 ePCDNNは、電圧放電曲線のテール領域を含む電荷放電サイクルを通して、電圧応答を正確にキャプチャすることができる。
  論文  参考訳（メタデータ） (2022-03-03T19:56:24Z)
• Widening and Squeezing: Towards Accurate and Efficient QNNs [125.172220129257]
  量子化ニューラルネットワーク(QNN)は、非常に安価な計算とストレージオーバーヘッドのため、業界にとって非常に魅力的なものだが、その性能は、完全な精度パラメータを持つネットワークよりも悪い。 既存の手法の多くは、より効果的なトレーニング技術を利用して、特にバイナリニューラルネットワークの性能を高めることを目的としている。 本稿では,従来の完全精度ネットワークで高次元量子化機能に特徴を投影することで,この問題に対処する。
  論文  参考訳（メタデータ） (2020-02-03T04:11:13Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。