論文の概要: Nonlinear optical encoding enabled by recurrent linear scattering
- arxiv url: http://arxiv.org/abs/2307.08558v3
- Date: Wed, 11 Dec 2024 14:53:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-12 13:58:16.838463
- Title: Nonlinear optical encoding enabled by recurrent linear scattering
- Title（参考訳）: リカレント線形散乱による非線形光符号化
- Authors: Fei Xia, Kyungduk Kim, Yaniv Eliezer, SeungYun Han, Liam Shaughnessy, Sylvain Gigan, Hui Cao,
- Abstract要約: 連続波レーザーを用いた光非線形ランダムマッピングを低出力で受動的に誘導する設計を提案する。
我々は,読み出し次元が減少しても,設計が重要な情報を保持することを実証した。
この能力により、当社の光学プラットフォームは、アプリケーション間で効率的な光学情報処理ソリューションを提供することができます。
- 参考スコア（独自算出の注目度）: 16.952531256252744
- License:
- Abstract: Optical information processing and computing can potentially offer enhanced performance, scalability and energy efficiency. However, achieving nonlinearity-a critical component of computation-remains challenging in the optical domain. Here we introduce a design that leverages a multiple-scattering cavity to passively induce optical nonlinear random mapping with a continuous-wave laser at a low power. Each scattering event effectively mixes information from different areas of a spatial light modulator, resulting in a highly nonlinear mapping between the input data and output pattern. We demonstrate that our design retains vital information even when the readout dimensionality is reduced, thereby enabling optical data compression. This capability allows our optical platforms to offer efficient optical information processing solutions across applications. We demonstrate our design's efficacy across tasks, including classification, image reconstruction, keypoint detection and object detection, all of which are achieved through optical data compression combined with a digital decoder. In particular, high performance at extreme compression ratios is observed in real-time pedestrian detection. Our findings open pathways for novel algorithms and unconventional architectural designs for optical computing.
- Abstract（参考訳）: 光情報処理と計算により、性能、スケーラビリティ、エネルギー効率が向上する可能性がある。
しかし、非線形性を達成することは、光学領域において困難となる計算残差の重要な要素である。
本稿では、マルチ散乱キャビティを利用して、連続波レーザーによる光非線形ランダムマッピングを低出力で受動的に誘導する設計を提案する。
各散乱事象は、空間光変調器の異なる領域からの情報を効果的に混合し、入力データと出力パターンとの間の非常に非線形なマッピングをもたらす。
我々は,読み出し次元が小さくても,設計が重要な情報を保持することを実証し,光学データ圧縮を可能にする。
この能力により、当社の光学プラットフォームは、アプリケーション間で効率的な光学情報処理ソリューションを提供することができます。
本稿では,デジタルデコーダと組み合わせた光学データ圧縮により,分類,画像再構成,キーポイント検出,オブジェクト検出などのタスクにおける設計の有効性を実証する。
特に、リアルタイム歩行者検出において、極端な圧縮比で高い性能が観察される。
我々の発見は、新しいアルゴリズムと、光学コンピューティングの非伝統的なアーキテクチャ設計の道を開く。
関連論文リスト
- Optical training of large-scale Transformers and deep neural networks with direct feedback alignment [48.90869997343841]
我々は,ハイブリッド電子フォトニックプラットフォーム上で,ダイレクトフィードバックアライメントと呼ばれる多目的でスケーラブルなトレーニングアルゴリズムを実験的に実装した。
光処理ユニットは、このアルゴリズムの中央動作である大規模ランダム行列乗算を最大1500テラOpsで行う。
我々は、ハイブリッド光アプローチの計算スケーリングについて検討し、超深度・広帯域ニューラルネットワークの潜在的な利点を実証する。
論文 参考訳（メタデータ） (2024-09-01T12:48:47Z) - Genetically programmable optical random neural networks [0.0]
遺伝的にプログラム可能であるが、光学的ランダムプロジェクションによる高性能を実現するための単純な光学ニューラルネットワークを実証する。
ランダムプロジェクションカーネルとして機能する散乱媒質の配向を遺伝的にプログラミングすることにより,本手法は最適なカーネルを発見し,初期試験精度を7-22%向上させる。
提案手法は,シンプルでスケーラブルな設計で,光ニューラルネットワークの高性能化を実現するための有望な手法である。
論文 参考訳（メタデータ） (2024-03-19T06:55:59Z) - Optical Extreme Learning Machines with Atomic Vapors [0.3069335774032178]
極端学習機械は、高次元出力空間上の計算タスクを実行するために非線形ランダムプロジェクションを探索する。
本書では, 近共振条件下での原子ガスを用いた光学的極端学習装置の実現の可能性について検討する。
以上の結果から,これらのシステムは光学的極端学習機として機能するだけでなく,数光子レベルでも動作する可能性が示唆された。
論文 参考訳（メタデータ） (2024-01-08T10:19:28Z) - Random resistive memory-based deep extreme point learning machine for
unified visual processing [67.51600474104171]
ハードウェア・ソフトウェア共同設計型, ランダム抵抗型メモリベース深部極点学習マシン(DEPLM)を提案する。
我々の共同設計システムは,従来のシステムと比較して,エネルギー効率の大幅な向上とトレーニングコストの削減を実現している。
論文 参考訳（メタデータ） (2023-12-14T09:46:16Z) - Neuromorphic Optical Flow and Real-time Implementation with Event
Cameras [47.11134388304464]
イベントベースのビジョンとスパイクニューラルネットワークの最新の開発の上に構築しています。
我々は、最先端の自己監督型光フロー精度を向上させる新しいネットワークアーキテクチャを提案する。
約2桁の複雑さで高速な光流予測を行う。
論文 参考訳（メタデータ） (2023-04-14T14:03:35Z) - Multi-mode fiber reservoir computing overcomes shallow neural networks
classifiers [8.891157811906407]
我々は、マルチモード光ファイバをランダムなハードウェアプロジェクタにリキャストし、入力データセットをスペックルイメージセットに変換する。
このハードウェアは、ファイバデータに基づいてトレーニングされた場合、損失景観の平坦な領域で動作し、これはディープニューラルネットワークの現在の理論と一致する。
論文 参考訳（メタデータ） (2022-10-10T14:55:02Z) - All-Photonic Artificial Neural Network Processor Via Non-linear Optics [0.0]
本稿では,全フォトニックニューラルネットワークプロセッサを提案する。
情報はニューロンとして機能する周波数モードの振幅に符号化される。
私たちのアーキテクチャは、完全にユニタリで可逆的な計算方法を提供するという点でユニークなものです。
論文 参考訳（メタデータ） (2022-05-17T19:55:30Z) - 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) - Universal and Flexible Optical Aberration Correction Using Deep-Prior
Based Deconvolution [51.274657266928315]
そこで本研究では,収差画像とpsfマップを入力とし,レンズ固有深層プリエントを組み込んだ潜在高品質版を生成する,psf対応プラグイン・アンド・プレイ深層ネットワークを提案する。
具体的には、多彩なレンズの集合からベースモデルを事前訓練し、パラメータを迅速に精製して特定のレンズに適応させる。
論文 参考訳（メタデータ） (2021-04-07T12:00:38Z) - Scalable Optical Learning Operator [0.2399911126932526]
提案するフレームワークは,速度を分類することなく既存のシステムのエネルギースケーリング問題を克服する。
数値的および実験的に、デジタル実装に匹敵する精度で複数の異なるタスクを実行する方法の能力を示した。
その結果、マルチモードファイバベースのコンピュータの性能を複製するには、強力なスーパーコンピュータが必要であることが示された。
論文 参考訳（メタデータ） (2020-12-22T23:06:59Z) - 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。