論文の概要: Inverse design of nano-photonic wavelength demultiplexer with a deep neural network approach

• arxiv url: http://arxiv.org/abs/2206.07114v1
• Date: Sun, 15 May 2022 22:43:39 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-19 23:28:32.486652
• Title: Inverse design of nano-photonic wavelength demultiplexer with a deep neural network approach
• Title（参考訳）: ディープニューラルネットワークを用いたナノフォトニック波長デマルチプレクサの逆設計
• Authors: Mengwei Yuan, Gang Yang, Shijie Song, Luping Zhou, Robert Minasian, and Xiaoke Yi
• Abstract要約: 本稿では,集積フォトニック回路の逆設計に対する包括的ソリューションとして,PTCN(Pre-trained-combined Neural Network)を提案する。 PTCNモデルでは,初期訓練後の逆モデルと前方モデルの両方をジョイントトレーニングプロセスで利用することにより,トレーニングデータの量と品質に顕著な耐性を示す。
• 参考スコア（独自算出の注目度）: 17.62898284695224
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we propose a pre-trained-combined neural network (PTCN) as a comprehensive solution to the inverse design of an integrated photonic circuit. By utilizing both the initially pre-trained inverse and forward model with a joint training process, our PTCN model shows remarkable tolerance to the quantity and quality of the training data. As a proof of concept demonstration, the inverse design of a wavelength demultiplexer is used to verify the effectiveness of the PTCN model. The correlation coefficient of the prediction by the presented PTCN model remains greater than 0.974 even when the size of training data is decreased to 17%. The experimental results show a good agreement with predictions, and demonstrate a wavelength demultiplexer with an ultra-compact footprint, a high transmission efficiency with a transmission loss of -2dB, a low reflection of -10dB, and low crosstalk around -7dB simultaneously.
• Abstract（参考訳）: 本稿では,集積フォトニック回路の逆設計に対する包括的ソリューションとして,事前学習型ニューラルネットワーク(PTCN)を提案する。 PTCNモデルでは,初期訓練後の逆モデルと前方モデルの両方をジョイントトレーニングプロセスで利用することにより,トレーニングデータの量と品質に顕著な耐性を示す。 概念実証の証明として、波長多重化器の逆設計を用いてptcnモデルの有効性を検証する。 PTCNモデルによる予測の相関係数はトレーニングデータのサイズを17%まで下げた場合でも0.974以上である。 実験結果は, 予測値と良好な一致を示し, 超コンパクトフットプリントの波長デマルチプレクサ, 伝送損失2dBの高伝送効率, 反射率10dB, クロストーク7dBの低伝送特性を示した。

関連論文リスト

• Wave Interpolation Neural Operator: Interpolated Prediction of Electric Fields Across Untrained Wavelengths [0.0]
  Wave Interpolation Neural Operator (WINO) は、ブロードバンド波長の連続スペクトルにおけるシミュレーション条件を実現する新しいサロゲートソルバである。 本モデルでは,従来の有限差分周波数領域シミュレーションの約100倍の性能を示す。
  論文  参考訳（メタデータ） (2024-08-06T06:00:17Z)
• Few-Shot Transfer Learning for Individualized Braking Intent Detection on Neuromorphic Hardware [0.21847754147782888]
  本研究では、BrainChip上の畳み込みスパイクニューラルネットワーク(CSNN)をトレーニングし、実装するために、数発の転送学習手法の使用について検討する。 その結果、ニューロモルフィックハードウェアのエネルギー効率は97%以上低下し、レイテンシは1.3*しか増加しなかった。
  論文  参考訳（メタデータ） (2024-07-21T15:35:46Z)
• WiNet: Wavelet-based Incremental Learning for Efficient Medical Image Registration [68.25711405944239]
  深部画像登録は異常な精度と高速な推測を示した。 近年の進歩は、粗大から粗大の方法で密度変形場を推定するために、複数のカスケードまたはピラミッドアーキテクチャを採用している。 本稿では,様々なスケールにわたる変位/速度場に対して,スケールワイブレット係数を漸進的に推定するモデル駆動WiNetを提案する。
  論文  参考訳（メタデータ） (2024-07-18T11:51:01Z)
• Invertible Diffusion Models for Compressed Sensing [22.293412255419614]
  Invertible Diffusion Models (IDM) は、新しい効率的でエンドツーエンドの拡散に基づくCS法である。 IDMはCS測定から直接元の画像を復元するためにエンドツーエンドに微調整する。 IDMは最大10.09dBのPSNRゲインと14.54倍の高速化を実現している。
  論文  参考訳（メタデータ） (2024-03-25T17:59:41Z)
• HARDCORE: H-field and power loss estimation for arbitrary waveforms with residual, dilated convolutional neural networks in ferrite cores [1.3437002403398262]
  MagNet Challenge 2023は、トロイダルフェライトコアにおける定常的な電力損失の物質特異的で波形に依存しない推定のためのデータ駆動モデルの開発を競合他社に呼びかけている。 HardCOREアプローチは、物理インフォームド拡張を持つ残差畳み込みニューラルネットワークが、事前に観測データに基づいてトレーニングされた場合、このタスクを効率的に行うことができることを示している。 モデルは各素材のスクラッチから訓練されるが、トポロジーは同じである。
  論文  参考訳（メタデータ） (2024-01-21T13:24:41Z)
• Towards a Better Theoretical Understanding of Independent Subnetwork Training [56.24689348875711]
  独立サブネットワークトレーニング(IST)の理論的考察 ISTは、上記の問題を解決するための、最近提案され、非常に効果的である。 圧縮通信を用いた分散手法など,ISTと代替手法の基本的な違いを同定する。
  論文  参考訳（メタデータ） (2023-06-28T18:14:22Z)
• Neural Importance Sampling for Rapid and Reliable Gravitational-Wave Inference [59.040209568168436]
  まず、ニューラルネットワークを用いてベイズ後部への高速な提案を行い、その基礎となる可能性と事前に基づいて重み付けを行う。 本発明は,(1)ネットワーク不正確性のない修正後部,(2)提案案の評価と故障事例の同定のための性能診断(サンプル効率),(3)ベイズ証拠の偏りのない推定を提供する。 LIGOとVirgoで観測された42個のブラックホールをSEOBNRv4PHMとIMRPhenomHMXP波形モデルで解析した。
  論文  参考訳（メタデータ） (2022-10-11T18:00:02Z)
• Amplification of cascaded downconversion by reusing photons with a switchable cavity [62.997667081978825]
  本稿では,高速スイッチと遅延ループを用いて三重項生成率を増幅する手法を提案する。 我々の概念実証装置は、検出された光子三重項の速度を予測通りに上昇させる。
  論文  参考訳（メタデータ） (2022-09-23T15:53:44Z)
• DIVISION: Memory Efficient Training via Dual Activation Precision [60.153754740511864]
  最先端の研究は、量子化ビット幅の探索とトレーニングを組み合わせることで、手順を複雑にし、透明性を損なう。 そこで本研究では,DNNトレーニングを簡易かつ効果的に圧縮する手法を提案する。 実験結果によると、DIVISIONは10倍以上のアクティベーションマップの圧縮や、モデルの精度を損なうことなく、競争訓練のスループットなど、最先端の手法よりも総合的な性能を示している。
  論文  参考訳（メタデータ） (2022-08-05T03:15:28Z)
• Atrial Fibrillation Detection Using Weight-Pruned, Log-Quantised Convolutional Neural Networks [25.160063477248904]
  心電図信号から心房細動を検出する畳み込みニューラルネットワークモデルを開発した。 このモデルは、限られた可変長の入力データで訓練されているにもかかわらず、高い性能を示す。 最終モデルは91.1%のモデル圧縮比を達成し、高いモデル精度は91.7%、損失は1%未満であった。
  論文  参考訳（メタデータ） (2022-06-14T11:47:04Z)
• Optimal Gradient Quantization Condition for Communication-Efficient Distributed Training [99.42912552638168]
  勾配の通信は、コンピュータビジョンアプリケーションで複数のデバイスでディープニューラルネットワークをトレーニングするのに費用がかかる。 本研究は,textbfANY勾配分布に対する二値および多値勾配量子化の最適条件を導出する。 最適条件に基づいて, 偏差BinGradと非偏差ORQの2値勾配量子化と多値勾配量子化の2つの新しい量子化手法を開発した。
  論文  参考訳（メタデータ） (2020-02-25T18:28:39Z)

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。