論文の概要: Photonic Advantage of Optical Encoders

• arxiv url: http://arxiv.org/abs/2305.01743v1
• Date: Tue, 2 May 2023 19:24:18 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-04 16:49:40.998677
• Title: Photonic Advantage of Optical Encoders
• Title（参考訳）: 光エンコーダの光利用
• Authors: Luocheng Huang, Quentin A. A. Tanguy, Johannes E. Froch, Saswata Mukherjee, Karl F. Bohringer, Arka Majumdar
• Abstract要約: 光による大規模な線形演算の能力は、光学支援された人工ニューラルネットワークの多くのデモンストレーションにインスピレーションを与えた。 我々は、非コヒーレント光で動作するハイブリッド光デジタルANNを共同最適化した。 以上の結果から,ANNの全体的な性能を緩和し,低消費電力化と遅延化を優先できるアプリケーションにおいて,光学はデジタルANNよりも有利であることが示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Light's ability to perform massive linear operations parallelly has recently inspired numerous demonstrations of optics-assisted artificial neural networks (ANN). However, a clear advantage of optics over purely digital ANN in a system-level has not yet been established. While linear operations can indeed be optically performed very efficiently, the lack of nonlinearity and signal regeneration require high-power, low-latency signal transduction between optics and electronics. Additionally, a large power is needed for the lasers and photodetectors, which are often neglected in the calculation of energy consumption. Here, instead of mapping traditional digital operations to optics, we co-optimized a hybrid optical-digital ANN, that operates on incoherent light, and thus amenable to operations under ambient light. Keeping the latency and power constant between purely digital ANN and hybrid optical-digital ANN, we identified a low-power/ latency regime, where an optical encoder provides higher classification accuracy than a purely digital ANN. However, in that regime, the overall classification accuracy is lower than what is achievable with higher power and latency. Our results indicate that optics can be advantageous over digital ANN in applications, where the overall performance of the ANN can be relaxed to prioritize lower power and latency.
• Abstract（参考訳）: 光の大規模線形演算を並列に行う能力は、最近、光学補助人工ニューラルネットワーク(ANN)の多くのデモンストレーションに影響を与えた。 しかし、システムレベルでは純粋にデジタルANNよりも光学の優位性は確立されていない。 線形演算は光学的に非常に効率的に行うことができるが、非線形性や信号再生の欠如は光学とエレクトロニクスの間の高出力、低遅延信号変換を必要とする。 さらに、エネルギー消費量の計算では無視されることが多いレーザーや光検出器には大きな電力が必要である。 ここでは、従来のデジタル操作を光学にマッピングする代わりに、一貫性のない光で動作し、環境光の下での操作に適応できるハイブリッド光デジタルアンを共同最適化しました。 純粋ディジタルANNとハイブリッド光デジタルANNのレイテンシと電力定数を保ちながら、光学エンコーダが純粋デジタルANNよりも高い分類精度を提供する低消費電力/遅延状態を特定した。 しかし、この体制では、全体的な分類精度は、より高い電力とレイテンシで達成できるものよりも低い。 以上の結果から,ANNの全体的な性能を緩和し,低消費電力と遅延を優先できるアプリケーションにおいて,光学はデジタルANNよりも有利であることが示唆された。

関連論文リスト

• Transferable polychromatic optical encoder for neural networks [13.311727599288524]
  本稿では,画像キャプチャ中に3つの色チャネルで同時に畳み込みを行う光学エンコーダを実演する。 このような光学符号化は計算処理を24,000倍に削減し、自由空間光学系における最先端の分類精度(73.2%)が得られる。
  論文  参考訳（メタデータ） (2024-11-05T00:49:47Z)
• TeMPO: Efficient Time-Multiplexed Dynamic Photonic Tensor Core for Edge AI with Compact Slow-Light Electro-Optic Modulator [44.74560543672329]
  我々は,TMPOと呼ばれる時間多重化動的フォトニックテンソルアクセラレータを,クロス層デバイス/回路/アーキテクチャのカスタマイズにより提案する。 我々は,368.6TOPSピーク性能,22.3TOPS/Wエネルギー効率,1.2TOPS/mm$2$計算密度を実現した。 この研究は、多層共設計とドメイン固有のカスタマイズの力を示し、将来の電子フォトニクス加速器への道を開く。
  論文  参考訳（メタデータ） (2024-02-12T03:40:32Z)
• 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)
• All-optical modulation with single-photons using electron avalanche [69.65384453064829]
  単光子強度ビームを用いた全光変調の実証を行った。 本稿では,テラヘルツ高速光スイッチングの可能性を明らかにする。
  論文  参考訳（メタデータ） (2023-12-18T20:14:15Z)
• Classification robustness to common optical aberrations [64.08840063305313]
  本稿では,現実的かつ実用的な光ぼけ効果に対するロバスト性を調べるためのベンチマークである OpticsBench を提案する。 ImageNetの実験では、様々な訓練済みのDNNに対して、ディスク形状のカーネルと比較して、パフォーマンスが強いことが示されている。 我々は,光カーネルをデータ拡張として使用することにより,拡張可能なImageNet-100について述べる。
  論文  参考訳（メタデータ） (2023-08-29T08:36:00Z)
• Digital Modeling on Large Kernel Metamaterial Neural Network [7.248553563042369]
  我々は,最先端(SOTA)MNNのディジタル容量を最大化する大規模カーネルメタマテリアルニューラルネットワーク(LMNN)を提案する。 提案されたLMNNでは、畳み込みフロントエンドのコストを製造された光学ハードウェアにオフロードすることができる。
  論文  参考訳（メタデータ） (2023-07-21T19:07:02Z)
• The role of all-optical neural networks [2.3204178451683264]
  大規模なニューラルネットワークモデルでは、すべての光学デバイスが推論において有利になる。 我々は、フットプリント、非線形性の強さ、光信号劣化、計算精度の制限、量子ノイズを含む全光学ニューラルネットワークの限界を考慮する。
  論文  参考訳（メタデータ） (2023-06-11T09:26:08Z)
• Single-Shot Optical Neural Network [55.41644538483948]
  深層ニューラルネットワークに必要な計算資源を削減するために,「重定常」アナログ光学・電子ハードウェアが提案されている。 我々は、スケーラブルで1層当たり単発の重み付き光学プロセッサを提案する。
  論文  参考訳（メタデータ） (2022-05-18T17:49:49Z)
• 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)
• You Only Spike Once: Improving Energy-Efficient Neuromorphic Inference to ANN-Level Accuracy [51.861168222799186]
  スパイキングニューラルネットワーク(英: Spiking Neural Networks、SNN)は、神経型ネットワークの一種である。 SNNはスパースであり、重量はごくわずかであり、通常、より電力集約的な乗算および累積演算の代わりに追加操作のみを使用する。 本研究では,TTFS符号化ニューロモルフィックシステムの限界を克服することを目的としている。
  論文  参考訳（メタデータ） (2020-06-03T15:55:53Z)

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。