論文の概要: All-Photonic Artificial Neural Network Processor Via Non-linear Optics
- arxiv url: http://arxiv.org/abs/2205.08608v1
- Date: Tue, 17 May 2022 19:55:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-19 13:59:11.967340
- Title: All-Photonic Artificial Neural Network Processor Via Non-linear Optics
- Title（参考訳）: 非線形光学を用いた全フォトニックニューラルネットワークプロセッサ
- Authors: Jasvith Raj Basani, Mikkel Heuck, Dirk R. Englund, Stefan Krastanov
- Abstract要約: 本稿では,全フォトニックニューラルネットワークプロセッサを提案する。
情報はニューロンとして機能する周波数モードの振幅に符号化される。
私たちのアーキテクチャは、完全にユニタリで可逆的な計算方法を提供するという点でユニークなものです。
- 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: Optics and photonics has recently captured interest as a platform to
accelerate linear matrix processing, that has been deemed as a bottleneck in
traditional digital electronic architectures. In this paper, we propose an
all-photonic artificial neural network processor wherein information is encoded
in the amplitudes of frequency modes that act as neurons. The weights among
connected layers are encoded in the amplitude of controlled frequency modes
that act as pumps. Interaction among these modes for information processing is
enabled by non-linear optical processes. Both the matrix multiplication and
element-wise activation functions are performed through coherent processes,
enabling the direct representation of negative and complex numbers without the
use of detectors or digital electronics. Via numerical simulations, we show
that our design achieves a performance commensurate with present-day
state-of-the-art computational networks on image-classification benchmarks. Our
architecture is unique in providing a completely unitary, reversible mode of
computation. Additionally, the computational speed increases with the power of
the pumps to arbitrarily high rates, as long as the circuitry can sustain the
higher optical power.
- Abstract（参考訳）: 光学とフォトニクスは近年、従来のデジタル電子アーキテクチャにおけるボトルネックと見なされる線形行列処理を加速するプラットフォームとして関心を集めている。
本稿では,ニューロンとして機能する周波数モードの振幅に情報を符号化する全フォトニック人工ニューラルネットワークプロセッサを提案する。
連結層間の重みはポンプとして働く制御周波数モードの振幅で符号化される。
これらの情報処理モード間の相互作用は非線形光学プロセスによって実現される。
行列乗法と要素単位の活性化関数は、コヒーレントなプロセスを通じて実行され、検出器やデジタルエレクトロニクスを使わずに、負および複素数の直接表現を可能にする。
数値シミュレーションにより,我々の設計は,画像分類ベンチマークにおける現在の最先端計算ネットワークと同等の性能を実現することを示す。
私たちのアーキテクチャは、完全にユニタリで可逆的な計算方法を提供することでユニークです。
さらに、計算速度はポンプのパワーによって増大し、回路が高い光学パワーを維持できる限り、任意に高いレートとなる。
関連論文リスト
- Universal Logical Quantum Photonic Neural Network Processor via Cavity-Assisted Interactions [0.0]
量子フォトニクスニューラルネットワークを用いて任意の多モード多光子状態に対する論理量子演算を準備・実行するためのアーキテクチャを提案する。
提案アーキテクチャは、誤り訂正量子計算を可能にする、短期的な量子フォトニックプロセッサの道を開くものである。
論文 参考訳（メタデータ） (2024-10-02T23:21:50Z) - 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) - 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) - Time-lapse image classification using a diffractive neural network [0.0]
回折ネットワークを用いたタイムラプス画像分類方式を初めて示す。
CIFAR-10データセットからの物体の光学的分類におけるブラインドテスト精度は62.03%である。
これは、これまで1つの回折ネットワークを用いて達成された最も高い推測精度を構成する。
論文 参考訳（メタデータ） (2022-08-23T08:16:30Z) - 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) - All-optical graph representation learning using integrated diffractive
photonic computing units [51.15389025760809]
フォトニックニューラルネットワークは、電子の代わりに光子を用いて脳にインスパイアされた計算を行う。
我々は、DGNN(diffractive graph neural network)と呼ばれる全光グラフ表現学習アーキテクチャを提案する。
ベンチマークデータベースを用いたノードおよびグラフレベルの分類タスクにおけるDGNN抽出機能の利用を実演し、優れた性能を実現する。
論文 参考訳（メタデータ） (2022-04-23T02:29:48Z) - Monolithic Silicon Photonic Architecture for Training Deep Neural
Networks with Direct Feedback Alignment [0.6501025489527172]
CMOS互換シリコンフォトニックアーキテクチャによって実現されたニューラルネットワークのオンチップトレーニングを提案する。
提案手法では,エラーのバックプロパゲーションではなく,エラーフィードバックを用いてニューラルネットワークをトレーニングする,直接フィードバックアライメントトレーニングアルゴリズムを用いる。
オンチップMAC演算結果を用いて,MNISTデータセットを用いたディープニューラルネットワークのトレーニング実験を行った。
論文 参考訳（メタデータ） (2021-11-12T18:31:51Z) - 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) - Data-Driven Discovery of Molecular Photoswitches with Multioutput
Gaussian Processes [51.17758371472664]
フォトウィッチ可能な分子は、光によってアクセスされる2つ以上の異性体である。
本稿では、データセットキュレーションとマルチタスク学習を基盤とした、分子フォトウィッチのためのデータ駆動探索パイプラインを提案する。
提案手法は, 市販フォトウィッチ可能な分子のライブラリーをスクリーニングし, 実験的に検証した。
論文 参考訳（メタデータ） (2020-06-28T20:59:03Z) - One-step regression and classification with crosspoint resistive memory
arrays [62.997667081978825]
高速で低エネルギーのコンピュータは、エッジでリアルタイム人工知能を実現するために要求されている。
ワンステップ学習は、ボストンの住宅のコスト予測と、MNIST桁認識のための2層ニューラルネットワークのトレーニングによって支援される。
結果は、クロスポイントアレイ内の物理計算、並列計算、アナログ計算のおかげで、1つの計算ステップで得られる。
論文 参考訳（メタデータ） (2020-05-05T08:00:07Z)
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。