論文の概要: Analysis of Optical Loss and Crosstalk Noise in MZI-based Coherent
Photonic Neural Networks
- arxiv url: http://arxiv.org/abs/2308.03249v1
- Date: Mon, 7 Aug 2023 02:01:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-08 15:41:24.062200
- Title: Analysis of Optical Loss and Crosstalk Noise in MZI-based Coherent
Photonic Neural Networks
- Title(参考訳): mziベースのコヒーレントフォトニックニューラルネットワークにおける光損失とクロストークノイズの解析
- Authors: Amin Shafiee, Sanmitra Banerjee, Krishnendu Chakrabarty, Sudeep
Pasricha, Mahdi Nikdast
- Abstract要約: シリコンフォトニックベースのニューラルネットワーク(SP-NN)アクセラレーターは、電子加速器に代わる有望な代替品として登場した。
本稿ではボトムアップ手法を用いて,光損失とクロストークノイズを包括的にモデル化する。
異なるスケールのSP-NNに対して,高出力のペナルティと破滅的推論精度が最大84%低下することを示す。
- 参考スコア(独自算出の注目度): 8.930237478906266
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: With the continuous increase in the size and complexity of machine learning
models, the need for specialized hardware to efficiently run such models is
rapidly growing. To address such a need, silicon-photonic-based neural network
(SP-NN) accelerators have recently emerged as a promising alternative to
electronic accelerators due to their lower latency and higher energy
efficiency. Not only can SP-NNs alleviate the fan-in and fan-out problem with
linear algebra processors, their operational bandwidth can match that of the
photodetection rate (typically 100 GHz), which is at least over an order of
magnitude faster than electronic counterparts that are restricted to a clock
rate of a few GHz. Unfortunately, the underlying silicon photonic devices in
SP-NNs suffer from inherent optical losses and crosstalk noise originating from
fabrication imperfections and undesired optical couplings, the impact of which
accumulates as the network scales up. Consequently, the inferencing accuracy in
an SP-NN can be affected by such inefficiencies -- e.g., can drop to below 10%
-- the impact of which is yet to be fully studied. In this paper, we
comprehensively model the optical loss and crosstalk noise using a bottom-up
approach, from the device to the system level, in coherent SP-NNs built using
Mach-Zehnder interferometer (MZI) devices. The proposed models can be applied
to any SP-NN architecture with different configurations to analyze the effect
of loss and crosstalk. Such an analysis is important where there are
inferencing accuracy and scalability requirements to meet when designing an
SP-NN. Using the proposed analytical framework, we show a high power penalty
and a catastrophic inferencing accuracy drop of up to 84% for SP-NNs of
different scales with three known MZI mesh configurations (i.e., Reck,
Clements, and Diamond) due to accumulated optical loss and crosstalk noise.
- Abstract(参考訳): 機械学習モデルのサイズと複雑さの継続的な増加に伴い、そのようなモデルを効率的に実行する特別なハードウェアの必要性は急速に増大している。
このようなニーズに対処するために、シリコンフォトニックベースのニューラルネットワーク(sp-nn)加速器は、最近、レイテンシーが低く、エネルギー効率が向上するため、電子加速器に代わる有望な選択肢として登場した。
SP-NNは、線形代数プロセッサのファンインとファンアウトの問題を緩和できるだけでなく、その運用帯域幅は、数GHzのクロックレートに制限された電子回路よりも少なくとも1桁高速な光検出レート(通常は100GHz)と一致させることができる。
残念なことに、SP-NNの基盤となるシリコンフォトニックデバイスは、製造不完全性や望ましくない光カップリングに起因する固有の光学損失とクロストークノイズに悩まされ、ネットワークがスケールアップするにつれてその影響は蓄積される。
その結果、SP-NNにおける推論精度は、そのような非効率(例えば10%以下に低下する)の影響を受け得るが、その影響はまだ十分に研究されていない。
本稿では,mach-zehnder interferometer (mzi) デバイスを用いたコヒーレントsp-nnsにおいて,ボトムアップ方式を用いて光損失とクロストークノイズを総合的にモデル化する。
提案したモデルは、異なる構成のSP-NNアーキテクチャに適用でき、損失とクロストークの影響を分析することができる。
このような分析は、SP-NNを設計する際に、精度とスケーラビリティの要件を推測する上で重要である。
提案手法を用いて,3つのMZIメッシュ構成(レック,クレメンツ,ダイアモンド)で異なるスケールのSP-NNに対して,光損失とクロストークノイズの蓄積により,高い出力ペナルティと破滅的推論精度を最大84%低下させることを示した。
関連論文リスト
- Neuromorphic Wireless Split Computing with Multi-Level Spikes [69.73249913506042]
ニューロモルフィックコンピューティングは、スパイキングニューラルネットワーク(SNN)を使用して推論タスクを実行する。
スパイクニューロン間で交換される各スパイクに小さなペイロードを埋め込むことで、エネルギー消費を増大させることなく推論精度を高めることができる。
分割コンピューティング — SNNを2つのデバイスに分割する — は、有望なソリューションだ。
本稿では,マルチレベルSNNを用いたニューロモルフィック無線分割コンピューティングアーキテクチャの総合的研究について述べる。
論文 参考訳(メタデータ) (2024-11-07T14:08:35Z) - LitE-SNN: Designing Lightweight and Efficient Spiking Neural Network through Spatial-Temporal Compressive Network Search and Joint Optimization [48.41286573672824]
スパイキングニューラルネットワーク(SNN)は人間の脳の情報処理機構を模倣し、エネルギー効率が高い。
本稿では,空間圧縮と時間圧縮の両方を自動ネットワーク設計プロセスに組み込むLitE-SNNという新しい手法を提案する。
論文 参考訳(メタデータ) (2024-01-26T05:23:11Z) - Free-Space Optical Spiking Neural Network [0.0]
自由空間光深絞り畳み込みニューラルネットワーク(OSCNN)について紹介する。
この手法は人間の眼の計算モデルからインスピレーションを得ている。
以上の結果から,電子的ONNと比較して,レイテンシと消費電力を最小に抑えた有望な性能を示す。
論文 参考訳(メタデータ) (2023-11-08T09:41:14Z) - The Hardware Impact of Quantization and Pruning for Weights in Spiking
Neural Networks [0.368986335765876]
パラメータの量子化とプルーニングは、モデルサイズを圧縮し、メモリフットプリントを削減し、低レイテンシ実行を容易にする。
本研究では,身近な身近なジェスチャー認識システムであるSNNに対して,孤立度,累積的に,そして同時にプルーニングと量子化の様々な組み合わせについて検討する。
本研究では,3次重みまで精度の低下に悩まされることなく,攻撃的パラメータ量子化に対処可能であることを示す。
論文 参考訳(メタデータ) (2023-02-08T16:25:20Z) - Characterizing Coherent Integrated Photonic Neural Networks under
Imperfections [7.387054116520716]
従来の電子AIアクセラレータの後継として、統合フォトニックニューラルネットワーク(IPNN)が登場している。
本稿ではボトムアップ手法を用いて,IPNNにおける不確実性と不正確性の影響を系統的に評価する。
論文 参考訳(メタデータ) (2022-07-22T01:33:19Z) - 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) - Characterization and Optimization of Integrated Silicon-Photonic Neural
Networks under Fabrication-Process Variations [8.690877625458324]
シリコンフォトニックニューラルネットワーク(SPNN)は、電子人工知能(AI)アクセラレーターの後継として期待されている。
SPNNの基盤となるシリコンフォトニックデバイスは、光学リソグラフィーの不完全性から生じる避けられない製造過程の変動(FPV)に敏感である。
本研究では,SPNNにおける異なるFPVに対するMZI耐性を改善するために,新しい変動認識型設計時最適化手法を提案する。
論文 参考訳(メタデータ) (2022-04-19T23:03:36Z) - LoCI: An Analysis of the Impact of Optical Loss and Crosstalk Noise in
Integrated Silicon-Photonic Neural Networks [8.930237478906266]
統合シリコンフォトニックニューラルネットワーク(SP-NN)は、新たな人工知能アプリケーションのために、より高速でエネルギー効率を約束する。
本稿では,SP-NNのための包括的かつ体系的な光損失とクロストークモデリングフレームワークを提案する。
論文 参考訳(メタデータ) (2022-04-08T04:22:39Z) - FPGA-optimized Hardware acceleration for Spiking Neural Networks [69.49429223251178]
本研究は,画像認識タスクに適用したオフライントレーニングによるSNN用ハードウェアアクセラレータの開発について述べる。
この設計はXilinx Artix-7 FPGAをターゲットにしており、利用可能なハードウェアリソースの40%を合計で使用している。
分類時間を3桁に短縮し、ソフトウェアと比較すると精度にわずか4.5%の影響を与えている。
論文 参考訳(メタデータ) (2022-01-18T13:59:22Z) - 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) - Inverse-designed photon extractors for optically addressable defect
qubits [48.7576911714538]
フォトニックデバイスの逆設計最適化は、スピン光子インタフェースの臨界パラメータを調整する際に、前例のない柔軟性を実現する。
逆設計のデバイスは、単一の光子エミッタのスケーラブルな配列の実現、新しい量子エミッタの迅速なキャラクタリゼーション、センシングと効率的な隠蔽機構を実現する。
論文 参考訳(メタデータ) (2020-07-24T04:30:14Z)
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。