論文の概要: Analog Photonics Computing for Information Processing, Inference and Optimisation

• arxiv url: http://arxiv.org/abs/2301.11760v2
• Date: Mon, 5 Jun 2023 13:00:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-07 03:15:40.267101
• Title: Analog Photonics Computing for Information Processing, Inference and Optimisation
• Title（参考訳）: 情報処理・推論・最適化のためのアナログフォトニクスコンピューティング
• Authors: Nikita Stroev and Natalia G. Berloff
• Abstract要約: フォトニクスコンピューティングの現状を概観する。 光子、物質と結合した光子、および効率的な計算目的のために光学関連技術を使用する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This review presents an overview of the current state-of-the-art in photonics computing, which leverages photons, photons coupled with matter, and optics-related technologies for effective and efficient computational purposes. It covers the history and development of photonics computing and modern analogue computing platforms and architectures, focusing on optimization tasks and neural network implementations. The authors examine special-purpose optimizers, mathematical descriptions of photonics optimizers, and their various interconnections. Disparate applications are discussed, including direct encoding, logistics, finance, phase retrieval, machine learning, neural networks, probabilistic graphical models, and image processing, among many others. The main directions of technological advancement and associated challenges in photonics computing are explored, along with an assessment of its efficiency. Finally, the paper discusses prospects and the field of optical quantum computing, providing insights into the potential applications of this technology.
• Abstract（参考訳）: 本稿では,光子,光子,物質と結合した光子,光学関連技術を有効かつ効率的な計算目的で活用するフォトニクスコンピューティングの現状について概説する。 フォトニクスコンピューティングと現代のアナログコンピューティングプラットフォームとアーキテクチャの歴史と開発をカバーし、最適化タスクとニューラルネットワークの実装に焦点を当てている。 著者らは、特殊目的オプティマイザ、フォトニクスオプティマイザの数学的記述、およびそれらの相互接続について検討した。 直接符号化、ロジスティクス、ファイナンス、フェーズ検索、機械学習、ニューラルネットワーク、確率的グラフィカルモデル、画像処理など、さまざまな応用が議論されている。 フォトニクス計算における技術進歩と関連する課題について,その効率性の評価とともに検討した。 最後に、光量子コンピューティングの展望と分野について論じ、この技術の潜在的な応用に関する洞察を提供する。

関連論文リスト

• Information processing at the speed of light [0.0]
  量子フォトニックチップの導入は、スケーラビリティ、安定性、費用対効果を特徴とする時代を背景としている。 本稿では、光子の情報を符号化するといった重要な側面をカバーする、フォトニック量子コンピューティングを包括的に探求する。 このレビューはさらに、スケーラブルでフォールトトレラントなフォトニック量子コンピュータの確立に向けた道筋をたどっている。
  論文  参考訳（メタデータ） (2024-10-01T06:43:44Z)
• Artificial Neural Networks for Photonic Applications: From Algorithms to Implementation [1.7371307928431834]
  フォトニクスにおける人工ニューラルネットワークの応用に関するチュートリアルレビューは、幅広いオーディエンスを対象としている。 ここでは、これらの分野間のインターフェースにおける研究領域に注目し、各ドメイン固有の技術的詳細と全体的な明確さの間の適切なバランスを見つけようとしています。
  論文  参考訳（メタデータ） (2024-08-02T08:22:49Z)
• Optical Computing for Deep Neural Network Acceleration: Foundations, Recent Developments, and Emerging Directions [3.943289808718775]
  我々は、ディープニューラルネットワーク(DNN)を中心に、光学コンピューティングにおける基礎と最先端の開発について論じる。 様々な有望なアプローチが、工学的な光学デバイス、光学回路の強化、様々なDNNワークロードに光コンピューティングを適応できるアーキテクチャの設計のために説明されている。 DNNモデルをインテリジェントにチューニングし、マッピングして、高性能でリソース制約のある組み込み、エッジ、IoTプラットフォームにわたる光コンピューティングプラットフォームのパフォーマンスとエネルギー効率を向上させる、ハードウェア/ソフトウェア共同設計のための新しい技術についても論じる。
  論文  参考訳（メタデータ） (2024-07-30T20:50:30Z)
• Mechanistic Neural Networks for Scientific Machine Learning [58.99592521721158]
  我々は、科学における機械学習応用のためのニューラルネットワーク設計であるメカニスティックニューラルネットワークを提案する。 新しいメカニスティックブロックを標準アーキテクチャに組み込んで、微分方程式を表現として明示的に学習する。 我々のアプローチの中心は、線形プログラムを解くために線形ODEを解く技術に着想を得た、新しい線形計画解法(NeuRLP)である。
  論文  参考訳（メタデータ） (2024-02-20T15:23:24Z)
• Computation-efficient Deep Learning for Computer Vision: A Survey [121.84121397440337]
  ディープラーニングモデルは、さまざまな視覚的知覚タスクにおいて、人間レベルのパフォーマンスに到達または超えた。 ディープラーニングモデルは通常、重要な計算資源を必要とし、現実のシナリオでは非現実的な電力消費、遅延、または二酸化炭素排出量につながる。 新しい研究の焦点は計算効率のよいディープラーニングであり、推論時の計算コストを最小限に抑えつつ、良好な性能を達成することを目指している。
  論文  参考訳（メタデータ） (2023-08-27T03:55:28Z)
• Photonic reservoir computing enabled by stimulated Brillouin scattering [0.0]
  刺激されたブリルアン散乱の非線形波動力学を利用したフォトニック貯水池計算アーキテクチャに基づく新しい計算プラットフォームについて報告する。 リアルタイム人工知能を実現するために、高性能な光多重化技術と組み合わせて使用するのに適している。
  論文  参考訳（メタデータ） (2023-02-15T14:57:30Z)
• 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)
• Photonics for artificial intelligence and neuromorphic computing [52.77024349608834]
  フォトニック集積回路は超高速な人工ニューラルネットワークを可能にした。 フォトニックニューロモルフィックシステムはナノ秒以下のレイテンシを提供する。 これらのシステムは、機械学習と人工知能の需要の増加に対応する可能性がある。
  論文  参考訳（メタデータ） (2020-10-30T21:41:44Z)
• 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)
• Spiking Neural Networks Hardware Implementations and Challenges: a Survey [53.429871539789445]
  スパイキングニューラルネットワークは、ニューロンとシナプスの操作原理を模倣する認知アルゴリズムである。 スパイキングニューラルネットワークのハードウェア実装の現状について述べる。 本稿では,これらのイベント駆動アルゴリズムの特性をハードウェアレベルで活用するための戦略について論じる。
  論文  参考訳（メタデータ） (2020-05-04T13:24:00Z)

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。