論文の概要: Polarization Multiplexed Diffractive Computing: All-Optical Implementation of a Group of Linear Transformations Through a Polarization-Encoded Diffractive Network

• arxiv url: http://arxiv.org/abs/2203.13482v1
• Date: Fri, 25 Mar 2022 07:10:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-28 14:40:33.349226
• Title: Polarization Multiplexed Diffractive Computing: All-Optical Implementation of a Group of Linear Transformations Through a Polarization-Encoded Diffractive Network
• Title（参考訳）: 分極多重拡散型計算:分極符号化拡散型ネットワークによる線形変換群の全最適実装
• Authors: Jingxi Li, Yi-Chun Hung, Onur Kulce, Deniz Mengu, Aydogan Ozcan
• Abstract要約: 偏光多重拡散型プロセッサを導入し、任意の線形変換を全光学的に行う。 単一微分ネットワークは、任意選択されたターゲット変換のグループをうまく近似し、全光学的に実装することができる。 このプロセッサは、光学コンピューティングや偏光に基づくマシンビジョンタスクに様々な応用を見出すことができる。
• 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: Research on optical computing has recently attracted significant attention due to the transformative advances in machine learning. Among different approaches, diffractive optical networks composed of spatially-engineered transmissive surfaces have been demonstrated for all-optical statistical inference and performing arbitrary linear transformations using passive, free-space optical layers. Here, we introduce a polarization multiplexed diffractive processor to all-optically perform multiple, arbitrarily-selected linear transformations through a single diffractive network trained using deep learning. In this framework, an array of pre-selected linear polarizers is positioned between trainable transmissive diffractive materials that are isotropic, and different target linear transformations (complex-valued) are uniquely assigned to different combinations of input/output polarization states. The transmission layers of this polarization multiplexed diffractive network are trained and optimized via deep learning and error-backpropagation by using thousands of examples of the input/output fields corresponding to each one of the complex-valued linear transformations assigned to different input/output polarization combinations. Our results and analysis reveal that a single diffractive network can successfully approximate and all-optically implement a group of arbitrarily-selected target transformations with a negligible error when the number of trainable diffractive features/neurons (N) approaches N_p x N_i x N_o, where N_i and N_o represent the number of pixels at the input and output fields-of-view, respectively, and N_p refers to the number of unique linear transformations assigned to different input/output polarization combinations. This polarization-multiplexed all-optical diffractive processor can find various applications in optical computing and polarization-based machine vision tasks.
• Abstract（参考訳）: 光コンピューティングの研究は、機械学習の革新的な進歩により、近年大きな注目を集めている。 異なるアプローチでは、全光学的統計的推論と受動自由空間光層を用いた任意の線形変換のために空間工学的透過曲面からなる回折光ネットワークが実証されている。 本稿では,偏光多重化拡散型プロセッサを導入し,深層学習を用いて訓練した単一拡散型ネットワークを通じて,任意選択線形変換を全光学的に行う。 この枠組みでは、等方性を有するトレーニング可能な透過型回折材料間に、予め選択された線形偏光子アレイを配置し、入出力偏光状態の異なる組合せに、異なる対象線形変換(複素値)を一意に割り当てる。 この偏光多重回折ネットワークの伝送層は、異なる入出力偏光結合に割り当てられた複素値線形変換のそれぞれに対応する入出力フィールドの数千の例を用いて、ディープラーニングとエラーバックプロパゲーションによって訓練され、最適化される。 Our results and analysis reveal that a single diffractive network can successfully approximate and all-optically implement a group of arbitrarily-selected target transformations with a negligible error when the number of trainable diffractive features/neurons (N) approaches N_p x N_i x N_o, where N_i and N_o represent the number of pixels at the input and output fields-of-view, respectively, and N_p refers to the number of unique linear transformations assigned to different input/output polarization combinations. この偏光多重化全光回折プロセッサは、光学計算や偏光ベースのマシンビジョンタスクに様々な応用をすることができる。

関連論文リスト

• Generalizable Non-Line-of-Sight Imaging with Learnable Physical Priors [52.195637608631955]
  非視線画像(NLOS)は、その潜在的な応用により注目されている。 既存のNLOS再構成アプローチは、経験的物理的前提に依存して制約される。 本稿では,Learningable Path Compensation(LPC)とAdaptive Phasor Field(APF)の2つの主要な設計を含む,学習に基づく新しいソリューションを提案する。
  論文  参考訳（メタデータ） (2024-09-21T04:39:45Z)
• Shaping Single Photons through Multimode Optical Fibers using Mechanical Perturbations [55.41644538483948]
  単一の光子の形状と絡み合った光子対間の空間的相関を制御するための全ファイバーアプローチを示す。 これらの摂動を最適化し、単一光子の空間分布や光子対の空間相関を1箇所に局在させる。
  論文  参考訳（メタデータ） (2023-06-04T07:33:39Z)
• Universal Polarization Transformations: Spatial programming of polarization scattering matrices using a deep learning-designed diffractive polarization transformer [18.55460674626828]
  このフレームワークは、等方性拡散層の間に位置する様々な角度の線形偏光子の2次元配列からなる。 スペクトルのテラヘルツ部分におけるこの普遍偏光変換の枠組みを実験的に検証した。 このフレームワークは、普遍的な偏光制御のための新しい光学デバイスを開発するための新しい道を開く。
  論文  参考訳（メタデータ） (2023-04-12T09:28:53Z)
• Universal Linear Intensity Transformations Using Spatially-Incoherent Diffractive Processors [0.0]
  空間的不整合光の下では、微分光学ネットワークは任意の複素値線形変換を行うように設計されている。 空間的非コヒーレントな拡散ネットワークは任意の線形強度変換を全光的に行うことができることを数値的に示す。
  論文  参考訳（メタデータ） (2023-03-23T04:51:01Z)
• Massively Parallel Universal Linear Transformations using a Wavelength-Multiplexed Diffractive Optical Network [8.992945252617707]
  大規模並列ブロードバンド回折ニューラルネットワークのディープラーニングに基づく設計で、大規模な変換を全光学的に実行する。 非常に並列で波長多重の回折ネットワークは、高スループットのインテリジェントマシンビジョンシステムの設計に有用である。
  論文  参考訳（メタデータ） (2022-08-13T07:59:39Z)
• Tunable directional photon scattering from a pair of superconducting qubits [105.54048699217668]
  光とマイクロ波の周波数範囲では、外部磁場を印加することで調整可能な方向性を実現することができる。 伝送線路に結合した2つのトランスモン量子ビットで調整可能な指向性散乱を示す。
  論文  参考訳（メタデータ） (2022-05-06T15:21:44Z)
• Convolutional Filtering and Neural Networks with Non Commutative Algebras [153.20329791008095]
  本研究では,非可換畳み込みニューラルネットワークの一般化について検討する。 非可換畳み込み構造は作用素空間上の変形に対して安定であることを示す。
  論文  参考訳（メタデータ） (2021-08-23T04:22:58Z)
• All-Optical Synthesis of an Arbitrary Linear Transformation Using Diffractive Surfaces [0.0]
  入力(N_i)と出力(N_o)の間の任意の複素値線形変換を全光学的に行うための微分曲面の設計を報告する。 また,対象変換に対応する入力/出力フィールドの例を用いて,拡散面の伝達係数を最適化する深層学習に基づく設計手法についても検討する。 解析の結果、空間工学的特徴/ニューロンの総数(N)がN_i x N_o以上であれば、どちらの設計手法も目標変換の完全な光学的実装に成功し、無視可能な誤差を達成できることがわかった。
  論文  参考訳（メタデータ） (2021-08-22T20:40:35Z)
• Sparse Quantized Spectral Clustering [85.77233010209368]
  このような非線形変換の下で行列の固有スペクトルがどのように変化するのかを、ランダム行列理論のツールを用いて正確に述べる。 急激なスペーシング/量子化の下でも,情報的固有構造にはほとんど変化は見られなかった。
  論文  参考訳（メタデータ） (2020-10-03T15:58:07Z)
• Complex-birefringent dielectric metasurfaces for arbitrary polarization-pair transformations [2.4437346122124377]
  光の偏光制御のための波動板の動作を支える2つの線形偏光の位相差を導入する複屈折材料またはナノ構造体。 我々は偏光変換と偏光依存位相遅延と回折による振幅フィルタリングを組み合わせた複素複屈折波板の異なるクラスを実現するメタ曲面を開発する。
  論文  参考訳（メタデータ） (2020-06-30T06:46:35Z)
• Generalizing Convolutional Neural Networks for Equivariance to Lie Groups on Arbitrary Continuous Data [52.78581260260455]
  任意の特定のリー群からの変換に同値な畳み込み層を構築するための一般的な方法を提案する。 同じモデルアーキテクチャを画像、ボール・アンド・スティック分子データ、ハミルトン力学系に適用する。
  論文  参考訳（メタデータ） (2020-02-25T17:40:38Z)

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。