論文の概要: Engineering nonlinear activation functions for all-optical neural networks via quantum interference

• arxiv url: http://arxiv.org/abs/2504.04009v1
• Date: Sat, 05 Apr 2025 01:17:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-08 14:09:37.502389
• Title: Engineering nonlinear activation functions for all-optical neural networks via quantum interference
• Title（参考訳）: 量子干渉による全光ニューラルネットワークの非線形活性化機能
• Authors: Xinzhe Xu, Ruben Canora, Hadiseh Alaeian, Shengwang Du,
• Abstract要約: 全光学ニューラルネットワーク(AONN)は、光の波動特性を利用して、人工知能タスクの非並列な速度とエネルギー効率を達成する。 これらの可能性にもかかわらず、深いAONNの開発は従来の非線形光学プロセスの高出力要求に制約されている。 この研究は、2つのレーザー場によって駆動される3レベル量子媒体に基づく、新しい低消費電力非線形光活性化関数スキームを導入する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: All-optical neural networks (AONNs) harness the wave nature of light to achieve unparalleled speed and energy efficiency for artificial intelligence tasks, outperforming their electronic counterparts. Despite their potential, the development of deep AONNs is constrained by the high optical power demands of conventional nonlinear optical processes, which limits scalability. This work introduces a novel low-power nonlinear optical activation function scheme based on a three-level quantum medium driven by two laser fields. Unlike traditional single-input, single-output activations, our design offers two-port optical nonlinear activation functions with both self- and cross-nonlinearities, making them great candidates for multi-input, multi-output networks. The approach allows precise control of nonlinear optical behavior, achieving sigmoid and rectified linear unit (ReLU)functions at ultralow power levels (~ 17 uW per neuron). Our theoretical and numerical analysis demonstrates the feasibility of constructing large-scale, deep AONNs with millions of neurons powered by less than 100 W of optical power. This advancement represents a significant step toward scalable, high-speed, and energy-efficient AONNs for next-generation AI hardware.
• Abstract（参考訳）: オール光学ニューラルネットワーク(AONN)は、光の波動特性を利用して、人工知能タスクの非並列な速度とエネルギー効率を達成し、その電子的性能を上回っている。 これらの可能性にもかかわらず、深いAONNの開発は、スケーラビリティを制限する従来の非線形光学プロセスの高い光パワー要求に制約されている。 この研究は、2つのレーザー場によって駆動される3レベル量子媒体に基づく、新しい低消費電力非線形光活性化関数スキームを導入する。 従来のシングルインプット・シングルアウトプット・アクティベーションとは異なり、我々の設計では、自己および非非線形の両方で2ポート光非線形アクティベーション機能を提供し、マルチインプット・マルチアウトプット・ネットワークの候補となる。 このアプローチは非線形光学的挙動の精密制御を可能にし、超低出力レベル(ニューロンあたり約17 uW)でシグモイドおよび整流線形単位(ReLU)関数を達成する。 理論的および数値解析により、100W未満の光電力で数百万のニューロンで大規模で深いAONNを構築することが可能であることを示す。 この進歩は、次世代AIハードウェアのためのスケーラブルで高速でエネルギー効率の高いAONNへの重要な一歩である。

関連論文リスト

• Streamlined optical training of large-scale modern deep learning architectures 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、30ワット以下の1500テラオプスで大規模なランダム行列乗算を行う。 トレーニング時間の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に対するハイブリッド光電子アプローチ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)
• Training Large-Scale Optical Neural Networks with Two-Pass Forward Propagation [0.0]
  本稿では、トレーニング効率、非線形関数の実装、大規模入力データ処理に関連する光学ニューラルネットワーク(ONN)の限界について述べる。 ランダムノイズによる誤差の変調と再入出力により,特定の非線形アクティベーション関数を回避する新しいトレーニング手法であるTwo-Pass Forward Propagationを導入する。 統合光学系における単純なニューラルネットワークを用いた畳み込みニューラルネットワークの新たな実装法を提案する。
  論文  参考訳（メタデータ） (2024-08-15T11:27:01Z)
• Single Neuromorphic Memristor closely Emulates Multiple Synaptic Mechanisms for Energy Efficient Neural Networks [71.79257685917058]
  我々はこれらのシナプス機能を本質的にエミュレートするSrTiO3に基づく膜状ナノデバイスを実証する。 これらのメムリスタは、安定かつエネルギー効率の良い運転を可能にする非定常低導電系で機能する。
  論文  参考訳（メタデータ） (2024-02-26T15:01:54Z)
• Ultrafast second-order nonlinear photonics -- from classical physics to non-Gaussian quantum dynamics [0.0]
  最先端のデバイスは、連続波レーザーによって駆動される何千もの光子との飽和非線形相互作用を実現する。 超高速パルスはすぐに非線形光学を単一光子非線形性の領域に押し込むかもしれない。
  論文  参考訳（メタデータ） (2024-01-11T21:25:43Z)
• 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)
• All-optical modulation with single-photons using electron avalanche [66.27103948750306]
  シリコン中の電子雪崩による全光変調を実証する。 我々のアプローチは、ギガヘルツ速度と、さらに高速な光スイッチングの可能性を開く。
  論文  参考訳（メタデータ） (2023-12-18T20:14:15Z)
• Non-Hermitian zero mode laser in a nanophotonic trimer [55.41644538483948]
  非エルミタン3結合ナノキャビティアレイにおけるラシングゼロモードの直接観測について報告する。 2つの極端キャビティにおいて、ほぼ等しいポンプパワーの効率的な励起を示す。 結合ナノレーザーの大規模な配列におけるゼロモードラシングの実現は、レーザーモード工学において潜在的に有用である。
  論文  参考訳（メタデータ） (2023-02-03T15:21:44Z)
• Physics-aware Differentiable Discrete Codesign for Diffractive Optical Neural Networks [12.952987240366781]
  本研究は,Diffractive Optical Neural Network (DONN) の効率的なトレーニングを可能にする,新しいデバイス間ハードウェア・ソフトウェア符号フレームワークを提案する。 Gumbel-Softmaxは、現実世界のデバイスパラメータからDONNの前方関数への微分可能な離散マッピングを可能にするために使用される。 その結果,提案手法は従来の量子化法に比べて大きな利点があることがわかった。
  論文  参考訳（メタデータ） (2022-09-28T17:13:28Z)
• Topologically Protecting Squeezed Light on a Photonic Chip [58.71663911863411]
  集積フォトニクスは、導波路内部に厳密に光を閉じ込めることで非線形性を高めるエレガントな方法を提供する。 シリカチップに励起光を発生させることができる自発4波混合のトポロジカルに保護された非線形過程を実験的に実証した。
  論文  参考訳（メタデータ） (2021-06-14T13:39:46Z)
• 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。