論文の概要: Photonic Neural Networks: A Compact Review
- arxiv url: http://arxiv.org/abs/2302.08390v2
- Date: Tue, 14 May 2024 15:01:43 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-15 20:09:59.382936
- Title: Photonic Neural Networks: A Compact Review
- Title（参考訳）: フォトニックニューラルネットワーク:コンパクトなレビュー
- Authors: Mohammad Ahmadi, Hamidreza Bolhasani,
- Abstract要約: 本研究は,2015年から2022年までの30項目のうち18項目を主記事として選定した。
ニューラルネットワークに重要かつ有効なパラメータを導入しようと試みる。
この方法では、この記事ではいくつかの部分で多くの数学的ツールを使用します。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: It has long been known that photonic science and especially photonic communications can raise the speed of technologies and producing manufacturing. More recently, photonic science has also been interested in its capabilities to implement low-precision linear operations, such as matrix multiplications, fast and effciently. For a long time most scientists taught that Electronics is the end of science but after many years and about 35 years ago had been understood that electronics do not answer alone and should have a new science. Today we face modern ways and instruments for doing tasks as soon as possible in proportion to many decays before. The velocity of progress in science is very fast. All our progress in science area is dependent on modern knowledge about new methods. In this research, we want to review the concept of a photonic neural network. For this research was selected 18 main articles were among the main 30 articles on this subject from 2015 to the 2022 year. These articles noticed three principles: 1- Experimental concepts, 2- Theoretical concepts, and, finally 3- Mathematic concepts. We should be careful with this research because mathematics has a very important and constructive role in our topics! One of the topics that are very valid and also new, is simulation. We used to work with simulation in some parts of this research. First, briefly, we start by introducing photonics and neural networks. In the second we explain the advantages and disadvantages of a combination of both in the science world and industries and technologies about them. Also, we are talking about the achievements of a thin modern science. Third, we try to introduce some important and valid parameters in neural networks. In this manner, we use many mathematic tools in some portions of this article.
- Abstract（参考訳）: フォトニック・サイエンス、特にフォトニック・コミュニケーションが技術や製造のスピードを高めることは、長年にわたって知られていた。
近年、フォトニクス科学は行列乗算などの低精度線形演算を高速かつ効果的に実装する能力にも関心を寄せている。
ほとんどの科学者は長い間、電子工学は科学の終わりであると教えていたが、長年と35年ほど前には、電子工学は単独で答えず、新しい科学を持つべきだと理解されていた。
今日では、多くの崩壊に比例して、できるだけ早くタスクを行うための現代的な方法や手段に直面しています。
科学の進歩の速度は非常に速い。
科学分野の進歩は、新しい手法に関する現代の知識に依存している。
本研究では,フォトニックニューラルネットワークの概念を概観する。
この研究は、2015年から2022年までの30記事のうち18記事が主要記事に選ばれている。
これらの論文では, 1-実験的概念, 2-理論的概念, そして最後に3つの数学的概念の3つの原則に気付きました。
数学は我々のトピックにおいて非常に重要で建設的な役割を持っているので、この研究には注意する必要がある。
非常に有効で新しいトピックの1つはシミュレーションです。
私たちは以前、この研究の一部でシミュレーションをしていました。
まず、フォトニクスとニューラルネットワークの導入から始めます。
第2に、科学の世界と産業と技術の両方の組み合わせの利点とデメリットを説明します。
また、私たちは薄い近代科学の成果についても話している。
第3に、ニューラルネットワークにおいて重要かつ有効なパラメータを導入しようと試みる。
この方法では、この記事ではいくつかの部分で多くの数学的ツールを使用します。
関連論文リスト
- A Review of Neuroscience-Inspired Machine Learning [58.72729525961739]
バイオプルーシブル・クレジット・アサインメントは、事実上あらゆる学習条件と互換性があり、エネルギー効率が高い。
本稿では,人工ニューラルネットワークにおける信用代入の生体評価可能なルールをモデル化する,いくつかの重要なアルゴリズムについて検討する。
我々は,このようなアルゴリズムを実用アプリケーションでより有用にするためには,今後の課題に対処する必要があることを論じる。
論文 参考訳（メタデータ） (2024-02-16T18:05:09Z) - The Computational Lens: from Quantum Physics to Neuroscience [0.92463347238923]
コンピューティングの2つの変革的な波は、私たちが科学にアプローチする方法を再定義した。
私は、概念レベルを目指して、計算レンズを科学に提示します。
具体的には、計算は情報処理システムを理解し解析するのに便利で機械的な言語として機能する。
論文 参考訳（メタデータ） (2023-10-31T15:21:22Z) - Physics-Guided, Physics-Informed, and Physics-Encoded Neural Networks in
Scientific Computing [0.0]
コンピュータパワーの最近の進歩は、機械学習とディープラーニングを使って科学計算を進歩させることを可能にした。
固有のアーキテクチャのため、従来のニューラルネットワークは、データがスパースである場合には、うまくトレーニングされ、スコープ化できない。
ニューラルネットワークは、物理的駆動あるいは知識に基づく制約を消化するための強力な基盤を提供する。
論文 参考訳（メタデータ） (2022-11-14T15:44:07Z) - Neuromorphic Artificial Intelligence Systems [58.1806704582023]
フォン・ノイマンアーキテクチャと古典的ニューラルネットワークに基づく現代のAIシステムは、脳と比較して多くの基本的な制限がある。
この記事では、そのような制限と、それらが緩和される方法について論じる。
これは、これらの制限が克服されている現在利用可能なニューロモーフィックAIプロジェクトの概要を示す。
論文 参考訳（メタデータ） (2022-05-25T20:16:05Z) - Neural Fields in Visual Computing and Beyond [54.950885364735804]
機械学習の最近の進歩は、座標ベースニューラルネットワークを用いた視覚コンピューティング問題の解決への関心が高まっている。
ニューラルネットワークは、3D形状と画像の合成、人体のアニメーション、3D再構成、ポーズ推定に成功している。
本報告は、文脈、数学的基礎、および、ニューラルネットワークに関する文献の広範なレビューを提供する。
論文 参考訳（メタデータ） (2021-11-22T18:57:51Z) - Standard Model Physics and the Digital Quantum Revolution: Thoughts
about the Interface [68.8204255655161]
量子システムの分離・制御・絡み合いの進歩は、かつての量子力学の興味深い特徴を、破壊的な科学的・技術的進歩のための乗り物へと変えつつある。
本稿では,3つの領域科学理論家の視点から,絡み合い,複雑性,量子シミュレーションのインターフェースについて考察する。
論文 参考訳（メタデータ） (2021-07-10T06:12:06Z) - Toward Building Science Discovery Machines [3.7565501074323224]
我々は、高いレベルの推論と顕著な問題解決能力を必要とする科学的発見プロセスに焦点を当てる。
物理学、数学、生物学など、様々な分野におけるこれらの原則の使用例を示す。
私たちは、科学発見マシンを構築し、科学発見プロセスをスピードアップするために、理論と計算のフレームワークを構築するべきだと主張する。
論文 参考訳（メタデータ） (2021-03-24T14:04:03Z) - Simulating Quantum Materials with Digital Quantum Computers [55.41644538483948]
デジタル量子コンピュータ(DQC)は、古典的コンピュータでは引き起こせない量子シミュレーションを効率的に行うことができる。
このレビューの目的は、物理量子優位性を達成するために行われた進歩の要約を提供することである。
論文 参考訳（メタデータ） (2021-01-21T20:10:38Z) - 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) - Conceptual understanding through efficient inverse-design of quantum
optical experiments [1.1470070927586016]
我々は、概念レベルで科学に貢献できる説明可能なAIアルゴリズムであるThesusを提示する。
本稿では,アルゴリズムを用いた量子光学実験の解釈可能な表現を提案する。
光技術の進歩が期待される量子光学において、いくつかの重要なオープンな問題を解く。
論文 参考訳（メタデータ） (2020-05-13T17:33:02Z) - Computer-inspired Quantum Experiments [1.2891210250935146]
多くの分野において、コンピュータにインスパイアされた設計プロセスは、逆設計としても知られ、科学者の能力を高めている。
我々は、トポロジ的最適化、進化戦略、ディープラーニング、強化学習、自動推論に基づく、非常に多様な計算アプローチに遭遇する。
論文 参考訳（メタデータ） (2020-02-23T18:59:00Z)
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。