論文の概要: PhotoFourier: A Photonic Joint Transform Correlator-Based Neural Network Accelerator

• arxiv url: http://arxiv.org/abs/2211.05276v1
• Date: Thu, 10 Nov 2022 00:48:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-11 16:24:30.012440
• Title: PhotoFourier: A Photonic Joint Transform Correlator-Based Neural Network Accelerator
• Title（参考訳）: PhotoFourier: フォトニックジョイント変換コレレータベースのニューラルネットワーク加速器
• Authors: Shurui Li, Hangbo Yang, Chee Wei Wong, Volker J. Sorger, Puneet Gupta
• Abstract要約: 集積フォトニクスは低レイテンシの性質のため、ニューラルネットワークを劇的に加速する可能性がある。 PhotoFourierアクセラレータは、最先端のフォトニックニューラルネットワークアクセラレータに比べて28倍以上のエネルギー遅延を実現している。
• 参考スコア（独自算出の注目度）: 2.1372541869293555
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The last few years have seen a lot of work to address the challenge of low-latency and high-throughput convolutional neural network inference. Integrated photonics has the potential to dramatically accelerate neural networks because of its low-latency nature. Combined with the concept of Joint Transform Correlator (JTC), the computationally expensive convolution functions can be computed instantaneously (time of flight of light) with almost no cost. This 'free' convolution computation provides the theoretical basis of the proposed PhotoFourier JTC-based CNN accelerator. PhotoFourier addresses a myriad of challenges posed by on-chip photonic computing in the Fourier domain including 1D lenses and high-cost optoelectronic conversions. The proposed PhotoFourier accelerator achieves more than 28X better energy-delay product compared to state-of-art photonic neural network accelerators.
• Abstract（参考訳）: ここ数年、低レイテンシと高スループットの畳み込みニューラルネットワーク推論の課題に対処する作業が数多く行われてきた。 集積フォトニクスは低レイテンシの性質のため、ニューラルネットワークを劇的に加速する可能性がある。 JTC(Joint Transform Correlator)の概念と組み合わせて、計算コストのかかる畳み込み関数を(光の飛行時間)ほぼコストなしで瞬時に計算することができる。 この「自由」畳み込み計算は、提案されたPhotoFourier JTCベースのCNNアクセラレータの理論的基礎を提供する。 photofourierは、1dレンズと低コストの光電子変換を含むフーリエドメインにおけるオンチップフォトニックコンピューティングによって生じる無数の課題に対処する。 提案されたPhotoFourierアクセラレータは、最先端のフォトニックニューラルネットワークアクセラレータと比較して28倍以上のエネルギー遅延生成を実現している。

関連論文リスト

• Training Hybrid Neural Networks with Multimode Optical Nonlinearities Using Digital Twins [2.8479179029634984]
  大規模非線形変換を行う多モードファイバに超短パルス伝搬を導入する。 ハイブリッドアーキテクチャのトレーニングは、光学系を微分的に近似するニューラルモデルによって達成される。 実験により,最先端の画像分類精度とシミュレーション精度が得られた。
  論文  参考訳（メタデータ） (2025-01-14T10:35:18Z)
• 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)
• Hybrid Quantum-Classical Photonic Neural Networks [0.0]
  従来のネットワーク層とトレーニング可能な連続可変量子回路の組み合わせを示す。 分類タスクでは、ハイブリッドネットワークは2倍の大きさの完全古典的ネットワークに対してベンチマークすると、同じ性能を達成する。
  論文  参考訳（メタデータ） (2024-07-02T15:31:38Z)
• Free-Space Optical Spiking Neural Network [0.0]
  自由空間光深絞り畳み込みニューラルネットワーク(OSCNN)について紹介する。 この手法は人間の眼の計算モデルからインスピレーションを得ている。 以上の結果から,電子的ONNと比較して,レイテンシと消費電力を最小に抑えた有望な性能を示す。
  論文  参考訳（メタデータ） (2023-11-08T09:41:14Z)
• 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)
• 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)
• A new concept for design of photonic integrated circuits with the ultimate density and low loss [62.997667081978825]
  そこで本研究では,PIC設計のための新たな概念として,究極のダウンスケーリング能力,幾何学的損失の欠如,高忠実度スループットを提案する。 これは導波路アレイを通して光子の周期的連続時間量子ウォークによって達成される。 本稿では,情報・センシングシステムの基本構成要素の設計を再考することにより,新しい概念の可能性を示す。
  論文  参考訳（メタデータ） (2021-08-02T14:23:18Z)
• Photonic neural field on a silicon chip: large-scale, high-speed neuro-inspired computing and sensing [0.0]
  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。
  論文  参考訳（メタデータ） (2021-05-22T09:28:51Z)
• Interleaving: Modular architectures for fault-tolerant photonic quantum computing [50.591267188664666]
  フォトニック核融合型量子コンピューティング(FBQC)は低損失フォトニック遅延を用いる。 FBQCのモジュールアーキテクチャとして,これらのコンポーネントを結合して「インターリービングモジュール」を形成するアーキテクチャを提案する。 遅延の乗法的パワーを行使すると、各加群はヒルベルト空間に数千の物理量子ビットを加えることができる。
  論文  参考訳（メタデータ） (2021-03-15T18:00:06Z)
• 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)
• Flexible Transmitter Network [84.90891046882213]
  現在のニューラルネットワークはMPモデルに基づいて構築されており、通常はニューロンを他のニューロンから受信した信号の実際の重み付け集約上での活性化関数の実行として定式化する。 本稿では,フレキシブル・トランスミッタ(FT)モデルを提案する。 本稿では、最も一般的な完全接続型フィードフォワードアーキテクチャ上に構築された、フレキシブルトランスミッタネットワーク(FTNet)について述べる。
  論文  参考訳（メタデータ） (2020-04-08T06:55:12Z)

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。