論文の概要: High-bandwidth Close-Range Information Transport through Light Pipes
- arxiv url: http://arxiv.org/abs/2301.06496v2
- Date: Thu, 19 Jan 2023 15:44:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-20 11:23:55.384124
- Title: High-bandwidth Close-Range Information Transport through Light Pipes
- Title（参考訳）: 光管による高帯域近距離情報伝送
- Authors: Joowon Lim, Jannes Gladrow, Douglas Kelly, Greg O'Shea, Govert Verkes,
Ioan Stefanovici, Sebastian Nowozin, and Benn Thomsen
- Abstract要約: 本稿では,最大エントロピー(データ)画像を送信し,サブメーター距離における情報伝達を最大化する枠組みを提案する。
我々は、ミリサイズの正方形光導波路を用いて、メガピクセル8ビット空間光変調器を撮像する。
10万のシンボルを送信するには、送信行列アプローチを超えた革新が必要である。
- 参考スコア（独自算出の注目度）: 10.698355684338885
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Image retrieval after propagation through multi-mode fibers is gaining
attention due to their capacity to confine light and efficiently transport it
over distances in a compact system. Here, we propose a generally applicable
information-theoretic framework to transmit maximal-entropy (data) images and
maximize the information transmission over sub-meter distances, a crucial
capability that allows optical storage applications to scale and address
different parts of storage media. To this end, we use millimeter-sized square
optical waveguides to image a megapixel 8-bit spatial-light modulator. Data is
thus represented as a 2D array of 8-bit values (symbols). Transmitting 100000s
of symbols requires innovation beyond transmission matrix approaches. Deep
neural networks have been recently utilized to retrieve images, but have been
limited to small (thousands of symbols) and natural looking (low entropy)
images. We maximize information transmission by combining a bandwidth-optimized
homodyne detector with a differentiable hybrid neural-network consisting of a
digital twin of the experiment setup and a U-Net. For the digital twin, we
implement and compare a differentiable mode-based twin with a differentiable
ray-based twin. Importantly, the latter can adapt to manufacturing-related
setup imperfections during training which we show to be crucial. Our pipeline
is trained end-to-end to recover digital input images while maximizing the
achievable information page size based on a differentiable mutual-information
estimator. We demonstrate retrieval of 66 kB at maximum with 1.7 bit per symbol
on average with a range of 0.3 - 3.4 bit.
- Abstract（参考訳）: マルチモードファイバによる伝播後の画像検索は,光を包み込み,コンパクトなシステムで効率的に移動する能力から注目されている。
本稿では,最大エントロピー(データ)画像を送信し,サブメーター距離を超越した情報伝送を最大化するための一般的な情報理論フレームワークを提案する。
この目的のために、ミリサイズの正方形導波路を用いて、メガピクセル8ビット空間光変調器を撮像する。
したがって、データは8ビット値(シンボル)の2次元配列として表現される。
100000のシンボルを送信するには、トランスミッションマトリクスアプローチ以上のイノベーションが必要である。
ディープニューラルネットワークは、最近画像の検索に利用されているが、小さな(シンボルの数)と自然な(エントロピーの低い)画像に限られている。
帯域最適化ホモダイン検出器と実験装置のディジタル双対とu-netからなる可微分ハイブリッドニューラルネットワークを組み合わせることで情報伝達を最大化する。
デジタル双生児の場合、異なるモードベースの双生児と異なる線ベースの双生児を実装、比較する。
重要なことに、後者はトレーニング中に製造関連設定の不完全さに適応できる。
我々のパイプラインは、相互情報推定器に基づいて達成可能な情報ページサイズを最大化しながら、デジタル入力画像の復元のためにエンドツーエンドで訓練されている。
平均記号あたり1.7ビットの最大66kBの検索を0.3 - 3.4ビットの範囲で示す。
関連論文リスト
- Deterministic generation of frequency-bin-encoded microwave photons [2.696404891373769]
超伝導回路を用いたマイクロ波フォトニックモードの周波数ビン符号化法の実験的検討を行った。
我々は、その情報を異なる周波数で2つのフォトニックモードに同時に出力することで、超伝導量子ビットから量子情報を決定的に符号化する。
周波数ビン符号化フォトニックモードは、受信プロセッサで光子損失の発生を検出するために使用できる。
論文 参考訳（メタデータ） (2024-10-30T16:53:01Z) - Scaling on-chip photonic neural processors using arbitrarily
programmable wave propagation [4.026285531740364]
ニューラルネットワーク用のオンチップフォトニックプロセッサは、速度とエネルギー効率の両方に潜在的な利点があるが、電子プロセッサを上回るスケールには達していない。
空間の関数としての屈折率を$n(x,z)$とすることで、デバイス内の波動伝搬を任意に制御できる装置を提案する。
これは、離散的なコンポーネントに依存した以前のフォトニックチップを超えるスケールであり、連続波のパラダイムの利点を示している。
論文 参考訳（メタデータ） (2024-02-27T18:37:22Z) - Reversible ternary logic with Laguerre-Gaussian modes [0.0]
本稿では,将来のコンピューティングシステムのためのビルディングブロックとして機能する光通信ソリューションを提案する。
この解はランダウアーの原理から生まれ、構造的な光を持つ光学論理ゲートとして表される可逆論理を利用しており、これはラゲール・ガウスモードとして表される。
論文 参考訳（メタデータ） (2024-01-07T15:47:17Z) - Shaping Single Photons through Multimode Optical Fibers using Mechanical
Perturbations [55.41644538483948]
単一の光子の形状と絡み合った光子対間の空間的相関を制御するための全ファイバーアプローチを示す。
これらの摂動を最適化し、単一光子の空間分布や光子対の空間相関を1箇所に局在させる。
論文 参考訳（メタデータ） (2023-06-04T07:33:39Z) - Multi-scale Transformer Network with Edge-aware Pre-training for
Cross-Modality MR Image Synthesis [52.41439725865149]
クロスモダリティ磁気共鳴(MR)画像合成は、与えられたモダリティから欠落するモダリティを生成するために用いられる。
既存の(教師付き学習)手法は、効果的な合成モデルを訓練するために、多くのペア化されたマルチモーダルデータを必要とすることが多い。
マルチスケールトランスフォーマーネットワーク(MT-Net)を提案する。
論文 参考訳（メタデータ） (2022-12-02T11:40:40Z) - {\mu}Split: efficient image decomposition for microscopy data [50.794670705085835]
muSplitは、蛍光顕微鏡画像の文脈で訓練された画像分解のための専用アプローチである。
本稿では,大規模な画像コンテキストのメモリ効率向上を実現するメタアーキテクチャである横型文脈化(LC)を提案する。
muSplitを5つの分解タスクに適用し、1つは合成データセットに、もう4つは実際の顕微鏡データから導出する。
論文 参考訳（メタデータ） (2022-11-23T11:26:24Z) - Nonorthogonal coding in spectrally-entangled photons [0.0]
ファイバベースの長距離量子通信は、伝送損失が低いため実現可能である。
多重光子対を用いてスペクトルモードにおける非直交符号化方式を提案する。
論文 参考訳（メタデータ） (2022-11-21T15:04:43Z) - Simultaneously sorting overlapping quantum states of light [2.645971554595842]
横方向空間自由度で符号化された光の重なり合う非直交状態の同時かつ効率的なソートを実現する。
我々の研究結果は、自動運転車から量子通信システムに至るまで、光学ネットワークによる最適な画像識別と分類の土台を築いた。
論文 参考訳（メタデータ） (2022-07-08T16:14:28Z) - Adaptive Machine Learning for Time-Varying Systems: Low Dimensional
Latent Space Tuning [91.3755431537592]
本稿では,時間変化システムを対象とした適応機械学習手法を提案する。
我々は,エンコーダデコーダCNNのエンコーダ部出力において,非常に高次元(N>100k)の入力を低次元(N2)潜在空間にマッピングする。
そこで本手法では,割り込みを伴わないフィードバックに基づいて,内部の相関関係を学習し,その進化をリアルタイムで追跡する。
論文 参考訳（メタデータ） (2021-07-13T16:05:28Z) - 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)
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。