論文の概要: Massively parallel and universal approximation of nonlinear functions using diffractive processors
- arxiv url: http://arxiv.org/abs/2507.08253v1
- Date: Fri, 11 Jul 2025 01:54:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-14 18:03:54.219292
- Title: Massively parallel and universal approximation of nonlinear functions using diffractive processors
- Title（参考訳）: 微分プロセッサを用いた非線形関数の大規模並列及び普遍近似
- Authors: Md Sadman Sakib Rahman, Yuhang Li, Xilin Yang, Shiqi Chen, Aydogan Ozcan,
- Abstract要約: 大規模非線形計算は、受動位相のみの表面からなる最適化された回折プロセッサを通して線形光学を用いて行うことができる。
我々は、波長スケールの空間密度で正確に実行される100万個の異なる非線形関数の並列計算を数値的に示す。
これらの結果は、超並列普遍非線形関数近似のためのスケーラブルなプラットフォームとして、微分光学プロセッサを確立している。
- 参考スコア（独自算出の注目度）: 17.16859564691328
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Nonlinear computation is essential for a wide range of information processing tasks, yet implementing nonlinear functions using optical systems remains a challenge due to the weak and power-intensive nature of optical nonlinearities. Overcoming this limitation without relying on nonlinear optical materials could unlock unprecedented opportunities for ultrafast and parallel optical computing systems. Here, we demonstrate that large-scale nonlinear computation can be performed using linear optics through optimized diffractive processors composed of passive phase-only surfaces. In this framework, the input variables of nonlinear functions are encoded into the phase of an optical wavefront, e.g., via a spatial light modulator (SLM), and transformed by an optimized diffractive structure with spatially varying point-spread functions to yield output intensities that approximate a large set of unique nonlinear functions, all in parallel. We provide proof establishing that this architecture serves as a universal function approximator for an arbitrary set of bandlimited nonlinear functions, also covering multi-variate and complex-valued functions. We also numerically demonstrate the parallel computation of one million distinct nonlinear functions, accurately executed at wavelength-scale spatial density at the output of a diffractive optical processor. Furthermore, we experimentally validated this framework using in situ optical learning and approximated 35 unique nonlinear functions in a single shot using a compact setup consisting of an SLM and an image sensor. These results establish diffractive optical processors as a scalable platform for massively parallel universal nonlinear function approximation, paving the way for new capabilities in analog optical computing based on linear materials.
- Abstract（参考訳）: 非線形計算は、幅広い情報処理タスクに不可欠であるが、光学系を用いた非線形関数の実装は、光学非線形性の弱さとパワー集約性のため、依然として課題である。
非線形光学材料を頼らずにこの制限を克服すれば、超高速かつ並列な光学計算システムに対する前例のない機会を解放できる。
ここでは、受動位相のみの曲面からなる最適化された回折プロセッサを用いて、線形光学を用いて大規模非線形計算を行うことを実証する。
この枠組みでは、非線形関数の入力変数を、空間光変調器(SLM)を介して光波面(eg)の位相に符号化し、空間的に異なる点-スプレッド関数を持つ最適化された回折構造で変換して、一意な非線形関数の大きな集合を並列に近似する出力強度を出力する。
我々は、このアーキテクチャが任意の帯域制限非線形関数の集合に対する普遍関数近似として機能し、多変量および複素値関数を包含することを示す。
また、回折光学プロセッサの出力において、波長スケールの空間密度で正確に実行される100万個の異なる非線形関数の並列計算を数値的に示す。
さらに,SLMとイメージセンサからなるコンパクトなセットアップを用いて,その場での光学学習と,35個の特異な非線形関数を1枚のショットで近似して検証した。
これらの結果は、線形材料に基づくアナログ光学計算における新たな機能を実現するために、超並列な普遍非線形関数近似のためのスケーラブルなプラットフォームとして、微分光学プロセッサを確立している。
関連論文リスト
- Efficient Training for Optical Computing [0.0]
本稿では,フーリエ変換による平面波の分解を取り入れた新しいバックプロパゲーションアルゴリズムを提案する。
学習・推論において,拡散系の構造的・疎結合性を生かし,トレーニング時間の大幅な短縮を図った。
論文 参考訳（メタデータ） (2025-06-25T21:03:47Z) - Unwrapping photonic reservoirs: enhanced expressivity via random Fourier encoding over stretched domains [0.0]
フォトニック貯留層コンピューティング(RC)システムは、光波の複雑な伝播と非線形相互作用を利用して情報処理を行う。
本稿では,入射位相を複数回ラップした散乱支援フォトニック蓄光器符号化方式を提案する。
本研究では, 複射率の低下による非線形分離性を阻害する代わりに, 包み込みにより貯水池の予測性能が著しく向上することを示した。
論文 参考訳（メタデータ） (2025-06-02T08:07:00Z) - Unconventional Computing based on Four Wave Mixing in Highly Nonlinear
Waveguides [0.0]
高非線形導波路の4波混合効果に基づくフォトニック非従来型加速器の数値解析を行った。
豊かなKerr誘起非線形性を利用することで、入力信号の複数の非線形変換を生成し、複雑な非線形タスクを解くのに使うことができる。
論文 参考訳（メタデータ） (2024-02-14T12:34:38Z) - Transformers Implement Functional Gradient Descent to Learn Non-Linear Functions In Context [44.949726166566236]
非線形変換器は自然に関数空間の勾配降下を実装することを学習する。
また、非線形活性化の最適選択は、学習すべき関数のクラスに自然に依存していることも示している。
論文 参考訳（メタデータ） (2023-12-11T17:05:25Z) - 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) - Pessimistic Nonlinear Least-Squares Value Iteration for Offline Reinforcement Learning [53.97335841137496]
非線形関数近似を用いたオフラインRLにおけるPNLSVI(Pessimistic Least-Square Value Iteration)と呼ばれるオラクル効率のアルゴリズムを提案する。
本アルゴリズムは,関数クラスの複雑性に強く依存する後悔境界を享受し,線形関数近似に特化して最小限のインスタンス依存後悔を実現する。
論文 参考訳（メタデータ） (2023-10-02T17:42:01Z) - Nonlinear optical encoding enabled by recurrent linear scattering [16.952531256252744]
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。
論文 参考訳（メタデータ） (2023-07-17T15:15:47Z) - Exploring Linear Feature Disentanglement For Neural Networks [63.20827189693117]
Sigmoid、ReLU、Tanhなどの非線形活性化関数は、ニューラルネットワーク(NN)において大きな成功を収めた。
サンプルの複雑な非線形特性のため、これらの活性化関数の目的は、元の特徴空間から線形分離可能な特徴空間へサンプルを投影することである。
この現象は、現在の典型的なNNにおいて、すべての特徴がすべての非線形関数によって変換される必要があるかどうかを探求することに興味をそそる。
論文 参考訳（メタデータ） (2022-03-22T13:09:17Z) - Designing Kerr Interactions for Quantum Information Processing via
Counterrotating Terms of Asymmetric Josephson-Junction Loops [68.8204255655161]
静的空洞非線形性は通常、ボゾン量子誤り訂正符号の性能を制限する。
非線形性を摂動として扱うことで、シュリーファー・ヴォルフ変換を用いて実効ハミルトニアンを導出する。
その結果、立方体相互作用は、線形演算と非線形演算の両方の有効率を高めることができることがわかった。
論文 参考訳（メタデータ） (2021-07-14T15:11:05Z) - Linear embedding of nonlinear dynamical systems and prospects for
efficient quantum algorithms [74.17312533172291]
有限非線形力学系を無限線型力学系(埋め込み)にマッピングする方法を述べる。
次に、有限線型系 (truncation) による結果の無限線型系を近似するアプローチを検討する。
論文 参考訳（メタデータ） (2020-12-12T00:01:10Z) - Sparse Quantized Spectral Clustering [85.77233010209368]
このような非線形変換の下で行列の固有スペクトルがどのように変化するのかを、ランダム行列理論のツールを用いて正確に述べる。
急激なスペーシング/量子化の下でも,情報的固有構造にはほとんど変化は見られなかった。
論文 参考訳（メタデータ） (2020-10-03T15:58:07Z) - 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。