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
- Digital-analog hybrid matrix multiplication processor for optical neural
networks [11.171425574890765]
光ニューラルネットワーク(ONN)のためのディジタルアナログハイブリッド光コンピューティングアーキテクチャを提案する。
しきい値に基づく論理レベルと決定を導入することにより、計算精度を大幅に向上させることができる。
画素誤り率(PER)は18.2dBの信号対雑音比(SNR)で1.8times10-3$以下である。
論文 参考訳(メタデータ) (2024-01-26T18:42:57Z) - 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) - Cross-receptive Focused Inference Network for Lightweight Image
Super-Resolution [64.25751738088015]
トランスフォーマーに基づく手法は、単一画像超解像(SISR)タスクにおいて顕著な性能を示した。
動的に特徴を抽出するために文脈情報を組み込む必要がある変換器は無視される。
我々は,CNNとTransformerを混合したCTブロックのカスケードで構成される,軽量なクロスレセプティブ・フォーカスド・推論・ネットワーク(CFIN)を提案する。
論文 参考訳(メタデータ) (2022-07-06T16:32:29Z) - 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) - All-optical neuromorphic binary convolution with a spiking VCSEL neuron
for image gradient magnitudes [2.2650372518406607]
光発振垂直キャビティ表面発光レーザー(VCSEL)ニューロンを用いた全光二元共畳法を提案し,初めて実験的に実証した。
デジタル画像から抽出された光入力はVCSELニューロンに注入され、この畳み込みの結果、発火した高速スパイクの数となる。
実験的および数値的な結果から、バイナリ畳み込みは単一スパイクVCSELニューロンで成功していることが示された。
論文 参考訳(メタデータ) (2020-11-09T14:02:43Z) - 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。