論文の概要: Fiber neural networks for the intelligent optical fiber communications

• arxiv url: http://arxiv.org/abs/2408.12602v1
• Date: Wed, 7 Aug 2024 08:46:48 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-01 17:12:14.471414
• Title: Fiber neural networks for the intelligent optical fiber communications
• Title（参考訳）: インテリジェント光ファイバー通信のためのファイバーニューラルネットワーク
• Authors: Yubin Zang, Zuxing Zhang, Simin Li, Fangzheng Zhang, Hongwei Chen,
• Abstract要約: 他の光学構造ニューラルネットワークと同様に、光伝送のメカニズムを利用して計算を行うファイバーニューラルネットワークは、計算効率と消費電力の両方において大きな利点がある。 5Gのインテリジェント通信信号処理を超える未来のニーズを満たすために、ファイバ伝送とコンピューティング機能を組み合わせることは、非常に重要である。
• 参考スコア（独自算出の注目度）: 4.394301653596698
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Optical neural networks have long cast attention nowadays. Like other optical structured neural networks, fiber neural networks which utilize the mechanism of light transmission to compute can take great advantages in both computing efficiency and power cost. Though the potential ability of optical fiber was demonstrated via the establishing of fiber neural networks, it will be of great significance of combining both fiber transmission and computing functions so as to cater the needs of future beyond 5G intelligent communication signal processing. Thus, in this letter, the fiber neural networks and their related optical signal processing methods will be both developed. In this way, information derived from the transmitted signals can be directly processed in the optical domain rather than being converted to the electronic domain. As a result, both prominent gains in processing efficiency and power cost can be further obtained. The fidelity of the whole structure and related methods is demonstrated by the task of modulation format recognition which plays important role in fiber optical communications without losing the generality.
• Abstract（参考訳）: 近年、光学ニューラルネットワークが注目されている。 他の光学構造ニューラルネットワークと同様に、光伝送のメカニズムを利用して計算を行うファイバーニューラルネットワークは、計算効率と消費電力の両方において大きな利点がある。 光ファイバーの潜在的な能力は、ファイバーニューラルネットワークの確立によって実証されたが、5Gのインテリジェント通信信号処理を超える未来のニーズを満たすために、ファイバー伝送とコンピュータ機能を組み合わせることは、非常に重要である。 したがって、このレターでは、ファイバーニューラルネットワークとその関連する光信号処理法が共に開発される。 これにより、送信された信号から得られる情報は、電子領域に変換されるのではなく、光学領域で直接処理することができる。 これにより、処理効率と消費電力の両方の顕著な利得が得られる。 一般性を損なうことなく光ファイバー通信において重要な役割を果たす変調形式認識のタスクにより,構造全体の忠実度とその関連性を実証する。

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)
• Integration of Programmable Diffraction with Digital Neural Networks [0.0]
  近年のディープラーニングとデジタルニューラルネットワークの進歩は、バックエンドとして機能するデジタルニューラルネットワークと共同最適化された微分プロセッサの確立に繋がった。 この記事では、さまざまなアプリケーションに対して、エンジニアリングとプログラムされた回折とデジタルニューラルネットワークのこのエキサイティングなコラボレーションの有用性を強調します。
  論文  参考訳（メタデータ） (2024-06-15T16:49:53Z)
• Training neural networks with end-to-end optical backpropagation [1.1602089225841632]
  光プロセスを用いてニューラルネットワークをトレーニングするアルゴリズムであるバックプロパゲーションの実装方法を示す。 我々のアプローチは、様々なアナログプラットフォーム、材料、ネットワーク構造に適用可能である。 これは、トレーニングタスクと推論タスクの両方において、アナログ光学プロセスに完全に依存するニューラルネットワークを構築する可能性を示している。
  論文  参考訳（メタデータ） (2023-08-09T21:11:26Z)
• Spatially Varying Nanophotonic Neural Networks [39.1303097259564]
  電子の代わりに光子を使った演算を実行するフォトニックプロセッサは、超低レイテンシと消費電力で光ニューラルネットワークを実現することを約束する。 既存の光学ニューラルネットワークは、基礎となるネットワーク設計によって制限されており、最先端の電子ニューラルネットワークよりもはるかに低い画像認識精度を実現している。
  論文  参考訳（メタデータ） (2023-08-07T08:48:46Z)
• 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)
• Semantic optical fiber communication system [10.840582311933913]
  本稿では, セマンティック光ファイバー通信(SOFC)システムを提案する。 送信のために情報をビットに符号化する代わりに、深層学習を用いてソースから意味情報を抽出する。 生成された意味記号は、光ファイバーを介して直接送信される。
  論文  参考訳（メタデータ） (2022-12-27T13:57:15Z)
• Neuro-Symbolic Artificial Intelligence (AI) for Intent based Semantic Communication [85.06664206117088]
  6Gネットワークはデータ転送のセマンティクスと有効性(エンドユーザ)を考慮する必要がある。 観測データの背後にある因果構造を学習するための柱としてNeSy AIが提案されている。 GFlowNetは、無線システムにおいて初めて活用され、データを生成する確率構造を学ぶ。
  論文  参考訳（メタデータ） (2022-05-22T07:11:57Z)
• 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)
• Storage and analysis of light-matter entanglement in a fibre-integrated system [48.7576911714538]
  我々は,光子に絡み合った光ファイバー集積量子メモリを電気通信波長で示す。 本発明の記憶装置は、希土類ドープ固体の導波路に書き込まれたファイバピグテールレーザをベースとし、全繊維安定なメモリのアローディングを可能にする。 本研究の結果は, 集積デバイスを用いた量子ネットワークに向けた重要な一歩となる, 光・光・光の絡み合いの記憶における保存時間と効率の面で, 桁違いの進歩を特徴としている。
  論文  参考訳（メタデータ） (2022-01-10T14:28:04Z)
• Entanglement Rate Optimization in Heterogeneous Quantum Communication Networks [79.8886946157912]
  量子通信ネットワークは、将来6G以降の通信ネットワークにおいて重要な構成要素となる可能性のある、有望な技術として登場しつつある。 近年の進歩は、実際の量子ハードウェアによる小規模および大規模量子通信ネットワークの展開に繋がった。 量子ネットワークにおいて、絡み合いは異なるノード間でのデータ転送を可能にする鍵となるリソースである。
  論文  参考訳（メタデータ） (2021-05-30T11:34:23Z)
• 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。