論文の概要: Phase-multiplexed optical computing: Reconfiguring a multi-task diffractive optical processor using illumination phase diversity
- arxiv url: http://arxiv.org/abs/2512.06658v1
- Date: Sun, 07 Dec 2025 05:07:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-09 22:03:54.453583
- Title: Phase-multiplexed optical computing: Reconfiguring a multi-task diffractive optical processor using illumination phase diversity
- Title（参考訳）: 位相多重光コンピューティング:照明位相の多様性を利用したマルチタスク微分光学プロセッサの再構成
- Authors: Xiao Wang, Aydogan Ozcan,
- Abstract要約: T相鍵で最適化された共通の微分光学ネットワークは、入力を符号化し、T個の異なる線形変換のいずれかをその出力で正確に実行する。
位相多重化アーキテクチャは変換エラーを大幅に低減し、より大規模な光学変換をモノクロプロセッサで実現する可能性がある。
- 参考スコア（独自算出の注目度）: 4.82972978331848
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We report a monochrome multi-task diffractive network architecture that leverages illumination phase multiplexing to dynamically reconfigure its output function and accurately implement a large group of complex-valued linear transformations between an input and output aperture. Each member of the desired group of T unique transformations is encoded and addressed with a distinct 2D illumination phase profile, termed "phase key", which illuminates the input aperture, activating the corresponding transformation at the output field-of-view. A common diffractive optical network, optimized with T phase keys, demultiplexes these encoded inputs and accurately executes any of the T distinct linear transformations at its output. We demonstrate that a diffractive network composed of N = 2 x T x Ni x No optimized diffractive features can realize T distinct complex-valued linear transformations, accurately executed for any complex field at the input aperture, where Ni and No refer to the input/output pixels, respectively. In our proof-of-concept numerical analysis, T = 512 complex-valued transformations are implemented by the same monochrome diffractive network with negligible error using illumination phase diversity. Compared with wavelength-multiplexed diffractive systems, phase-multiplexing architecture significantly lowers the transformation errors, potentially enabling larger-scale optical transformations to be implemented through a monochrome processor. Phase-multiplexed multi-task diffractive networks would enhance the capabilities of optical computing and machine-vision systems.
- Abstract（参考訳）: 我々は、照明位相多重化を利用して出力関数を動的に再構成し、入力と出力の開口の間で複雑な値の線形変換の大規模なグループを正確に実装するモノクロ多タスク微分ネットワークアーキテクチャについて報告する。
所望のT個の変換群の各メンバーは符号化され、2次元照明位相プロファイルで対応され、「フェーズキー」と呼ばれ、入力開口を照らし、対応する変換をビューの出力フィールドで活性化する。
T相鍵で最適化された共通の微分光学ネットワークは、これらの符号化された入力を分解し、出力においてTの異なる線形変換のいずれかを正確に実行する。
N = 2 x T x Ni x No の最適化された微分ネットワークは、入力開口における任意の複素体に対して正確に実行される T 個の複素値線形変換を実現することができ、Ni と No はそれぞれ入力/出力画素を参照している。
概念実証数値解析では, 照明位相の多様性を用いて, T = 512 の複素数値変換を, 無視誤差のモノクロ拡散ネットワークで実現した。
波長多重回折系と比較すると、位相多重化アーキテクチャは変換エラーを大幅に低減し、より大規模な光学変換をモノクロプロセッサで実現する可能性がある。
位相多重多タスク拡散ネットワークは、光学コンピューティングとマシンビジョンシステムの能力を高める。
関連論文リスト
- Variable-size Symmetry-based Graph Fourier Transforms for image compression [65.7352685872625]
可変サイズのグラフフーリエ変換を符号化フレームワークに導入する。
提案アルゴリズムは,ノード間の特定の対称接続を追加することにより,グリッド上の対称グラフを生成する。
実験により、SBGFTは、明示的な多重変換選択に統合された一次変換よりも優れていることが示された。
論文 参考訳（メタデータ） (2024-11-24T13:00:44Z) - Multiplexed all-optical permutation operations using a reconfigurable
diffractive optical network [12.518715786252393]
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。
論文 参考訳（メタデータ） (2024-02-04T08:19:14Z) - How Do Transformers Learn In-Context Beyond Simple Functions? A Case
Study on Learning with Representations [98.7450564309923]
本稿では、より複雑なシナリオにおける文脈内学習(ICL)の理解を、表現を用いた学習で研究する。
合成文内学習問題を合成構造を用いて構築し、ラベルは複雑なが固定された表現関数によって入力に依存する。
理論的には、そのようなアルゴリズムを軽度な深さと大きさでほぼ実装するトランスフォーマーの存在を示す。
論文 参考訳（メタデータ） (2023-10-16T17:40:49Z) - 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) - Shaping Single Photons through Multimode Optical Fibers using Mechanical
Perturbations [55.41644538483948]
単一の光子の形状と絡み合った光子対間の空間的相関を制御するための全ファイバーアプローチを示す。
これらの摂動を最適化し、単一光子の空間分布や光子対の空間相関を1箇所に局在させる。
論文 参考訳（メタデータ） (2023-06-04T07:33:39Z) - Universal Linear Intensity Transformations Using Spatially-Incoherent
Diffractive Processors [0.0]
空間的不整合光の下では、微分光学ネットワークは任意の複素値線形変換を行うように設計されている。
空間的非コヒーレントな拡散ネットワークは任意の線形強度変換を全光的に行うことができることを数値的に示す。
論文 参考訳（メタデータ） (2023-03-23T04:51:01Z) - MIMT: Multi-Illuminant Color Constancy via Multi-Task Local Surface and
Light Color Learning [42.72878256074646]
単一入力画像における複数の光色を割引するマルチタスク学習手法を提案する。
複数の光色条件下で局所的な表面/光色をより正確に表現するために,我々は新しいマルチタスク学習フレームワークを設計する。
本モデルでは,マルチイルミナントデータセット上で,最先端のマルチイルミナントカラーコンステンシー法と比較して47.1%の改善を実現している。
論文 参考訳（メタデータ） (2022-11-16T09:00:20Z) - 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) - 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) - 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。