論文の概要: Photonic neural field on a silicon chip: large-scale, high-speed
neuro-inspired computing and sensing
- arxiv url: http://arxiv.org/abs/2105.10672v1
- Date: Sat, 22 May 2021 09:28:51 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-30 03:16:03.605522
- Title: Photonic neural field on a silicon chip: large-scale, high-speed
neuro-inspired computing and sensing
- Title（参考訳）: シリコンチップ上のフォトニックニューラルフィールド:大規模・高速・高速・神経インスパイアされた計算とセンシング
- Authors: Satoshi Sunada and Atsushi Uchida
- Abstract要約: フォトニックニューラルネットワークは、低レイテンシと超低エネルギー消費で高速なニューラル処理を実現する大きな可能性を秘めている。
本稿では、フォトニック・ニューラルフィールドの概念を提案し、シリコンチップ上で実験的に実装し、高度にスケーラブルなニューラルインスピレーションド・コンピューティングを実現する。
本研究では,オンチップ・フォトニック・ニューラルフィールドを情報の保存手段として使用し,低誤差でカオス時系列予測を行う。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Photonic neural networks have significant potential for high-speed neural
processing with low latency and ultralow energy consumption. However, the
on-chip implementation of a large-scale neural network is still challenging
owing to its low scalability. Herein, we propose the concept of a photonic
neural field and implement it experimentally on a silicon chip to realize
highly scalable neuro-inspired computing. In contrast to existing photonic
neural networks, the photonic neural field is a spatially continuous field that
nonlinearly responds to optical inputs, and its high spatial degrees of freedom
allow for large-scale and high-density neural processing on a millimeter-scale
chip. In this study, we use the on-chip photonic neural field as a reservoir of
information and demonstrate a high-speed chaotic time-series prediction with
low errors using a training approach similar to reservoir computing. We discuss
that the photonic neural field is potentially capable of executing more than
one peta multiply-accumulate operations per second for a single input
wavelength on a footprint as small as a few square millimeters. In addition to
processing, the photonic neural field can be used for rapidly sensing the
temporal variation of an optical phase, facilitated by its high sensitivity to
optical inputs. The merging of optical processing with optical sensing paves
the way for an end-to-end data-driven optical sensing scheme.
- Abstract（参考訳）: フォトニックニューラルネットは、低レイテンシと超低エネルギーの高速ニューラルプロセッシングにおいて大きな可能性を秘めている。
しかしながら、大規模ニューラルネットワークのオンチップ実装は、スケーラビリティの低さから依然として困難である。
本稿では、フォトニックニューラルネットワークの概念を提案し、それをシリコンチップ上で実験的に実装し、高度にスケーラブルなニューラルインスパイアコンピューティングを実現する。
既存のフォトニックニューラルネットワークとは対照的に、フォトニックニューラルフィールドは光入力に非線形に応答する空間的連続場であり、その空間的自由度はミリ波のチップ上で大規模かつ高密度のニューラルプロセッシングを可能にする。
本研究では,オンチップ・フォトニック・ニューラルフィールドを情報貯水池として使用し,貯水池計算に類似したトレーニング手法を用いて,低誤差のカオス時系列予測を行う。
我々は、フォトニック・ニューラル・フィールドが、1つの入力波長に対して1秒間に1つ以上のpeta倍の演算を、数平方ミリメートルのフットプリントで実行できる可能性があることを議論する。
処理に加えて、光入力に対する高感度により促進される光位相の時間変化を迅速に検出するためにフォトニック神経場を使用することができる。
光処理と光センシングの融合は、エンドツーエンドのデータ駆動光センシング方式への道を開く。
関連論文リスト
- Optical training of large-scale Transformers and deep neural networks with direct feedback alignment [48.90869997343841]
我々は,ハイブリッド電子フォトニックプラットフォーム上で,ダイレクトフィードバックアライメントと呼ばれる多目的でスケーラブルなトレーニングアルゴリズムを実験的に実装した。
光処理ユニットは、このアルゴリズムの中央動作である大規模ランダム行列乗算を最大1500テラOpsで行う。
我々は、ハイブリッド光アプローチの計算スケーリングについて検討し、超深度・広帯域ニューラルネットワークの潜在的な利点を実証する。
論文 参考訳（メタデータ） (2024-09-01T12:48:47Z) - Genetically programmable optical random neural networks [0.0]
遺伝的にプログラム可能であるが、光学的ランダムプロジェクションによる高性能を実現するための単純な光学ニューラルネットワークを実証する。
ランダムプロジェクションカーネルとして機能する散乱媒質の配向を遺伝的にプログラミングすることにより,本手法は最適なカーネルを発見し,初期試験精度を7-22%向上させる。
提案手法は,シンプルでスケーラブルな設計で,光ニューラルネットワークの高性能化を実現するための有望な手法である。
論文 参考訳（メタデータ） (2024-03-19T06:55:59Z) - All-optical modulation with single-photons using electron avalanche [69.65384453064829]
単光子強度ビームを用いた全光変調の実証を行った。
本稿では,テラヘルツ高速光スイッチングの可能性を明らかにする。
論文 参考訳（メタデータ） (2023-12-18T20:14:15Z) - Spatially Varying Nanophotonic Neural Networks [39.1303097259564]
電子の代わりに光子を使った演算を実行するフォトニックプロセッサは、超低レイテンシと消費電力で光ニューラルネットワークを実現することを約束する。
既存の光学ニューラルネットワークは、基礎となるネットワーク設計によって制限されており、最先端の電子ニューラルネットワークよりもはるかに低い画像認識精度を実現している。
論文 参考訳（メタデータ） (2023-08-07T08:48:46Z) - Constraints on the design of neuromorphic circuits set by the properties
of neural population codes [61.15277741147157]
脳内では、情報はコード化され、伝達され、行動を伝えるために使用される。
ニューロモルフィック回路は、脳内のニューロンの集団が使用するものと互換性のある方法で情報を符号化する必要がある。
論文 参考訳（メタデータ） (2022-12-08T15:16:04Z) - Experimentally realized in situ backpropagation for deep learning in
nanophotonic neural networks [0.7627023515997987]
私たちは、カスタムデザインの「フォトニックメッシュ」アクセラレーターをカスケードする、大量製造可能なシリコンフォトニックニューラルネットワークを設計します。
In situ backproagation を初めて示し、分類課題を解く。
本研究は、フォトニクス加速人工知能の新しいトレーニングパラダイムを、一般的なバックプロパゲーション手法の物理的類似に基づいて提案するものであることを示唆する。
論文 参考訳（メタデータ） (2022-05-17T17:13:50Z) - POPPINS : A Population-Based Digital Spiking Neuromorphic Processor with
Integer Quadratic Integrate-and-Fire Neurons [50.591267188664666]
2つの階層構造を持つ180nmプロセス技術において,集団に基づくディジタルスパイキングニューロモルフィックプロセッサを提案する。
提案手法は,生体模倣型ニューロモルフィックシステム,低消費電力,低遅延推論処理アプリケーションの開発を可能にする。
論文 参考訳（メタデータ） (2022-01-19T09:26:34Z) - All-optical neuromorphic binary convolution with a spiking VCSEL neuron
for image gradient magnitudes [2.2650372518406607]
光発振垂直キャビティ表面発光レーザー(VCSEL)ニューロンを用いた全光二元共畳法を提案し,初めて実験的に実証した。
デジタル画像から抽出された光入力はVCSELニューロンに注入され、この畳み込みの結果、発火した高速スパイクの数となる。
実験的および数値的な結果から、バイナリ畳み込みは単一スパイクVCSELニューロンで成功していることが示された。
論文 参考訳（メタデータ） (2020-11-09T14:02:43Z) - Photonics for artificial intelligence and neuromorphic computing [52.77024349608834]
フォトニック集積回路は超高速な人工ニューラルネットワークを可能にした。
フォトニックニューロモルフィックシステムはナノ秒以下のレイテンシを提供する。
これらのシステムは、機械学習と人工知能の需要の増加に対応する可能性がある。
論文 参考訳（メタデータ） (2020-10-30T21:41:44Z) - Rapid characterisation of linear-optical networks via PhaseLift [51.03305009278831]
集積フォトニクスは優れた位相安定性を提供し、半導体産業によって提供される大規模な製造性に依存することができる。
このような光回路に基づく新しいデバイスは、機械学習アプリケーションにおいて高速でエネルギー効率の高い計算を約束する。
線形光ネットワークの転送行列を再構成する新しい手法を提案する。
論文 参考訳（メタデータ） (2020-10-01T16:04:22Z) - Compatible Learning for Deep Photonic Neural Network [0.0]
フォトニックニューラルネットワークは、予測指向のタスクに重要な可能性を秘めている。
そこで我々は,非線形な活性化を効率的に選択できる,複雑な空間における互換性のある学習プロトコルを開発した。
論文 参考訳（メタデータ） (2020-03-14T13:21:07Z)
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。