論文の概要: Massively Parallel Universal Linear Transformations using a
Wavelength-Multiplexed Diffractive Optical Network
- arxiv url: http://arxiv.org/abs/2208.10362v1
- Date: Sat, 13 Aug 2022 07:59:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-28 22:18:21.988763
- Title: Massively Parallel Universal Linear Transformations using a
Wavelength-Multiplexed Diffractive Optical Network
- Title（参考訳）: 波長多重回折光ネットワークを用いた超並列ユニバーサル線形変換
- Authors: Jingxi Li, Bijie Bai, Yi Luo, Aydogan Ozcan
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 8.992945252617707
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We report deep learning-based design of a massively parallel broadband
diffractive neural network for all-optically performing a large group of
arbitrarily-selected, complex-valued linear transformations between an input
and output field-of-view, each with N_i and N_o pixels, respectively. This
broadband diffractive processor is composed of N_w wavelength channels, each of
which is uniquely assigned to a distinct target transformation. A large set of
arbitrarily-selected linear transformations can be individually performed
through the same diffractive network at different illumination wavelengths,
either simultaneously or sequentially (wavelength scanning). We demonstrate
that such a broadband diffractive network, regardless of its material
dispersion, can successfully approximate N_w unique complex-valued linear
transforms with a negligible error when the number of diffractive neurons (N)
in its design matches or exceeds 2 x N_w x N_i x N_o. We further report that
the spectral multiplexing capability (N_w) can be increased by increasing N;
our numerical analyses confirm these conclusions for N_w > 180, which can be
further increased to e.g., ~2000 depending on the upper bound of the
approximation error. Massively parallel, wavelength-multiplexed diffractive
networks will be useful for designing high-throughput intelligent machine
vision systems and hyperspectral processors that can perform statistical
inference and analyze objects/scenes with unique spectral properties.
- Abstract（参考訳）: 入力と出力のそれぞれn_i画素とn_o画素で任意に選択された、複雑な値の線形変換を行うために、ディープラーニングに基づく超並列広帯域回折ニューラルネットワークの設計を報告する。
本発明のブロードバンド回折プロセッサは、N_w波長チャネルで構成され、それぞれが異なるターゲット変換に一意に割り当てられる。
任意選択された線形変換の大規模な集合は、同時にまたは順次に(波長走査)異なる波長の同じ回折ネットワークを通して個別に行うことができる。
このような広帯域回折ネットワークは,材料分散にかかわらず,設計時の回折ニューロン数(n)が2 x n_w x n_i x n_oを超える場合,n_w一意複素値線形変換を無視可能な誤差で近似できることを示す。
さらに,nを増加させることでスペクトル多重化能力(n_w)を増大させることができることを報告し,n_w > 180のこれらの結論を数値解析により確認した。
超並列波長多重回折ネットワークは、統計的推論を行い、ユニークなスペクトル特性を持つオブジェクト/シーンを解析できる高スループットインテリジェントマシンビジョンシステムとハイパースペクトルプロセッサを設計するのに有用である。
関連論文リスト
- Pyramid diffractive optical networks for unidirectional image magnification and demagnification [0.0]
ピラミッド構造を有する回折光ネットワークの設計法(P-D2NN)を提案する。
P-D2NNの設計は、一方の方向だけに高忠実度またはデマジネーションされた画像を生成し、他方の方向における画像形成を阻害する。
論文 参考訳（メタデータ） (2023-08-29T04:46:52Z) - Large Reconfigurable Quantum Circuits with SPAD Arrays and Multimode
Fibers [1.5992461683527883]
集積光学は、調整可能なフォトニック回路のための自然なプラットフォームを提供するが、高次元と高接続性が関与する場合、課題に直面している。
本稿では,光子の空間モードに対する高次元線形変換を,マルチモードファイバのモード混合とともに波面形状を用いて実装する。
量子技術に対する我々のアプローチの適合性を証明するために、可変複素線型ネットワークにおいて2光子干渉を実証する。
論文 参考訳（メタデータ） (2023-05-25T16:07:38Z) - Hyper-entanglement between pulse modes and frequency bins [101.18253437732933]
2つ以上のフォトニック自由度(DOF)の間の超絡み合いは、新しい量子プロトコルを強化し有効にすることができる。
パルスモードと周波数ビンとの間に超絡み合った光子対の生成を実証する。
論文 参考訳（メタデータ） (2023-04-24T15:43:08Z) - 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) - On the Effective Number of Linear Regions in Shallow Univariate ReLU
Networks: Convergence Guarantees and Implicit Bias [50.84569563188485]
我々は、ラベルが$r$のニューロンを持つターゲットネットワークの符号によって決定されるとき、勾配流が方向収束することを示す。
我々の結果は、標本サイズによらず、幅が$tildemathcalO(r)$である、緩やかなオーバーパラメータ化をすでに維持しているかもしれない。
論文 参考訳（メタデータ） (2022-05-18T16:57:10Z) - Polarization Multiplexed Diffractive Computing: All-Optical
Implementation of a Group of Linear Transformations Through a
Polarization-Encoded Diffractive Network [0.0]
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。
論文 参考訳（メタデータ） (2022-03-25T07:10:47Z) - Complete conversion between one and two photons in nonlinear waveguides
with tailored dispersion [62.997667081978825]
非線形光導波路における狭帯域ポンプ光子とブロードバンド光子対のコヒーレント変換を理論的に制御する方法を示す。
完全決定論的変換とポンプ光子再生は有限な伝播距離で達成できることを明らかにする。
論文 参考訳（メタデータ） (2021-10-06T23:49:44Z) - 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) - A Convergence Theory Towards Practical Over-parameterized Deep Neural
Networks [56.084798078072396]
ネットワーク幅と収束時間の両方で既知の理論境界を大幅に改善することにより、理論と実践のギャップを埋める一歩を踏み出します。
本研究では, サンプルサイズが2次幅で, 両者の時間対数で線形なネットワークに対して, 地球最小値への収束が保証されていることを示す。
私たちの分析と収束境界は、いつでも合理的なサイズの同等のRELUネットワークに変換できる固定アクティベーションパターンを備えたサロゲートネットワークの構築によって導出されます。
論文 参考訳（メタデータ） (2021-01-12T00:40:45Z) - Learning to Beamform in Heterogeneous Massive MIMO Networks [48.62625893368218]
大規模マルチインプット多重出力(MIMO)ネットワークにおいて最適なビームフォーマを見つけることはよく知られている問題である。
本稿では,この問題に対処するための新しい深層学習に基づく論文アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-11-08T12:48:06Z) - Multipole Graph Neural Operator for Parametric Partial Differential
Equations [57.90284928158383]
物理系をシミュレーションするためのディープラーニングベースの手法を使用する際の大きな課題の1つは、物理ベースのデータの定式化である。
線形複雑度のみを用いて、あらゆる範囲の相互作用をキャプチャする、新しいマルチレベルグラフニューラルネットワークフレームワークを提案する。
実験により, 離散化不変解演算子をPDEに学習し, 線形時間で評価できることを確認した。
論文 参考訳（メタデータ） (2020-06-16T21:56:22Z)
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。