論文の概要: Multiplexed all-optical permutation operations using a reconfigurable
diffractive optical network
- arxiv url: http://arxiv.org/abs/2402.02397v1
- Date: Sun, 4 Feb 2024 08:19:14 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-06 20:15:33.450344
- Title: Multiplexed all-optical permutation operations using a reconfigurable
diffractive optical network
- Title（参考訳）: 再構成可能な光ネットワークを用いた多重全光置換演算
- Authors: Guangdong Ma, Xilin Yang, Bijie Bai, Jingxi Li, Yuhang Li, Tianyi Gan,
Che-Yung Shen, Yijie Zhang, Yuzhu Li, Mona Jarrahi, Aydogan Ozcan
- Abstract要約: 大規模かつ高次元の置換操作は、通信や暗号化といった様々な用途において重要である。
ここでは、高次元の置換演算の実行に全光回折計算を用いることを実演する。
- 参考スコア（独自算出の注目度）: 12.518715786252393
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Large-scale and high-dimensional permutation operations are important for
various applications in e.g., telecommunications and encryption. Here, we
demonstrate the use of all-optical diffractive computing to execute a set of
high-dimensional permutation operations between an input and output
field-of-view through layer rotations in a diffractive optical network. In this
reconfigurable multiplexed material designed by deep learning, every
diffractive layer has four orientations: 0, 90, 180, and 270 degrees. Each
unique combination of these rotatable layers represents a distinct rotation
state of the diffractive design tailored for a specific permutation operation.
Therefore, a K-layer rotatable diffractive material is capable of all-optically
performing up to 4^K independent permutation operations. The original input
information can be decrypted by applying the specific inverse permutation
matrix to output patterns, while applying other inverse operations will lead to
loss of information. We demonstrated the feasibility of this reconfigurable
multiplexed diffractive design by approximating 256 randomly selected
permutation matrices using K=4 rotatable diffractive layers. We also
experimentally validated this reconfigurable diffractive network using
terahertz radiation and 3D-printed diffractive layers, providing a decent match
to our numerical results. The presented rotation-multiplexed diffractive
processor design is particularly useful due to its mechanical
reconfigurability, offering multifunctional representation through a single
fabrication process.
- Abstract（参考訳）: 大規模かつ高次元の置換操作は、通信や暗号化といった様々な用途において重要である。
ここでは、全光回折計算を用いて、差動光学ネットワークにおける層回転による入力場と出力場の間の高次元の置換演算を実行する。
ディープラーニングによって設計された再構成可能な多重化材料では、すべての回折層は0,90,180,270度の4つの方向を持つ。
これらの回転可能な層のそれぞれのユニークな組み合わせは、特定の置換操作に適した回折設計の異なる回転状態を表す。
したがって、k層回転可能な回折材料は、4^kの独立置換操作を全て光学的に行うことができる。
元の入力情報は、特定の逆置換行列を出力パターンに適用して復号することができ、他の逆演算を適用すると情報の損失につながる。
k=4ロタブル回折層を用いて256個のランダム選択置換行列を近似することにより,この再構成可能な多重拡散型設計の実現可能性を示した。
また,terahertz放射と3dプリント回折層を用いて,この再構成可能な回折ネットワークを実験的に検証した。
提案した回転多重化拡散プロセッサの設計は、機械的再構成性のために特に有用であり、単一の製造プロセスを通じて多機能表現を提供する。
関連論文リスト
- Neural Spectral Decomposition for Dataset Distillation [48.59372086450124]
本稿では,データセット蒸留のための一般的な分解フレームワークであるニューラルスペクトル分解を提案する。
本研究の目的は,データセット全体の低ランク表現を発見し,効率的に蒸留を行うことである。
提案手法はCIFAR10, CIFAR100, Tiny Imagenet, ImageNet Subsetなどのベンチマーク上での最先端性能を実現する。
論文 参考訳（メタデータ） (2024-08-29T03:26:14Z) - TOP-ReID: Multi-spectral Object Re-Identification with Token Permutation [64.65950381870742]
マルチスペクトルオブジェクトReID, Dubbled TOP-ReIDのための循環トークン置換フレームワークを提案する。
また,巡回多スペクトル特徴アグリゲーションのためのToken Permutation Module (TPM)を提案する。
提案するフレームワークは,ロバストなオブジェクトReIDに対して,より識別性の高いマルチスペクトル特徴を生成できる。
論文 参考訳（メタデータ） (2023-12-15T08:54:15Z) - Complex-valued universal linear transformations and image encryption
using spatially incoherent diffractive networks [0.0]
光学プロセッサとして、D2NN(Diffractive Deep Neural Network)は、機械学習によって設計された回折曲面を用いて、全光学情報処理を行う。
空間的に非コヒーレントな微分視覚プロセッサは、複雑な値の線形変換を近似し、非コヒーレント照明を用いた全光画像暗号化に使用できることを示す。
論文 参考訳（メタデータ） (2023-10-05T08:43:59Z) - Massively Parallel Universal Linear Transformations using a
Wavelength-Multiplexed Diffractive Optical Network [8.992945252617707]
大規模並列ブロードバンド回折ニューラルネットワークのディープラーニングに基づく設計で、大規模な変換を全光学的に実行する。
非常に並列で波長多重の回折ネットワークは、高スループットのインテリジェントマシンビジョンシステムの設計に有用である。
論文 参考訳（メタデータ） (2022-08-13T07:59:39Z) - Diffractive Interconnects: All-Optical Permutation Operation Using
Diffractive Networks [18.22140098600563]
本稿では、深層学習によって設計され、全光学的に置換演算を行う回折光学ネットワークを提案する。
提案した回折置換ネットワークは、無線ネットワークにおけるチャネルルーティングや相互接続パネルとして機能する可能性がある。
論文 参考訳（メタデータ） (2022-06-21T07:25:06Z) - Polarization Multiplexed Diffractive Computing: All-Optical
Implementation of a Group of Linear Transformations Through a
Polarization-Encoded Diffractive Network [0.0]
偏光多重拡散型プロセッサを導入し、任意の線形変換を全光学的に行う。
単一微分ネットワークは、任意選択されたターゲット変換のグループをうまく近似し、全光学的に実装することができる。
このプロセッサは、光学コンピューティングや偏光に基づくマシンビジョンタスクに様々な応用を見出すことができる。
論文 参考訳（メタデータ） (2022-03-25T07:10:47Z) - Disentangling multiple scattering with deep learning: application to
strain mapping from electron diffraction patterns [48.53244254413104]
我々は、高非線形電子回折パターンを定量的構造因子画像に変換するために、FCU-Netと呼ばれるディープニューラルネットワークを実装した。
結晶構造の異なる組み合わせを含む20,000以上のユニークな動的回折パターンを用いてFCU-Netを訓練した。
シミュレーションされた回折パターンライブラリ、FCU-Netの実装、訓練されたモデルの重み付けは、オープンソースリポジトリで自由に利用可能です。
論文 参考訳（メタデータ） (2022-02-01T03:53:39Z) - TMM-Fast: A Transfer Matrix Computation Package for Multilayer Thin-Film
Optimization [62.997667081978825]
先進的な薄膜構造は、厚みの異なる複数の材料と多数の層から構成される。
複数の変数を持つ複雑な薄膜構造の設計と最適化は、まだ活発な研究が続けられている計算的に重い問題である。
我々は,多層膜を透過する波長と入射角度の異なる光の反射と透過の並列計算を可能にするPythonパッケージTMM-Fastを提案する。
論文 参考訳（メタデータ） (2021-11-24T14:47:37Z) - All-Optical Synthesis of an Arbitrary Linear Transformation Using
Diffractive Surfaces [0.0]
入力(N_i)と出力(N_o)の間の任意の複素値線形変換を全光学的に行うための微分曲面の設計を報告する。
また,対象変換に対応する入力/出力フィールドの例を用いて,拡散面の伝達係数を最適化する深層学習に基づく設計手法についても検討する。
解析の結果、空間工学的特徴/ニューロンの総数(N)がN_i x N_o以上であれば、どちらの設計手法も目標変換の完全な光学的実装に成功し、無視可能な誤差を達成できることがわかった。
論文 参考訳（メタデータ） (2021-08-22T20:40:35Z) - Learnable Fourier Features for Multi-DimensionalSpatial Positional
Encoding [96.9752763607738]
本稿では,学習可能なフーリエ特徴に基づく位置符号化手法を提案する。
本研究では,多次元位置符号化のための学習可能な特徴表現が既存の手法より優れていることを示す。
論文 参考訳（メタデータ） (2021-06-05T04:40:18Z) - 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。