論文の概要: Toward Large-Scale Photonics-Empowered AI Systems: From Physical Design Automation to System-Algorithm Co-Exploration

• arxiv url: http://arxiv.org/abs/2601.00129v1
• Date: Wed, 31 Dec 2025 22:21:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-05 15:04:33.271005
• Title: Toward Large-Scale Photonics-Empowered AI Systems: From Physical Design Automation to System-Algorithm Co-Exploration
• Title（参考訳）: 大規模フォトニクスを利用したAIシステムに向けて:物理設計自動化からシステムアルゴリズムの共同探索へ
• Authors: Ziang Yin, Hongjian Zhou, Nicholas Gangi, Meng Zhang, Jeff Zhang, Zhaoran Rena Huang, Jiaqi Gu,
• Abstract要約: SimPhonyは実装対応のモデリングと高速な層間評価を提供する。 ADEPTとADEPT-Zは、エンドツーエンドのサーキットとトポロジー探索を可能にする。 Apollo と LiDAR はスケーラブルなフォトニック物理設計自動化を提供する。
• 参考スコア（独自算出の注目度）: 5.036634263468385
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this work, we identify three considerations that are essential for realizing practical photonic AI systems at scale: (1) dynamic tensor operation support for modern models rather than only weight-static kernels, especially for attention/Transformer-style workloads; (2) systematic management of conversion, control, and data-movement overheads, where multiplexing and dataflow must amortize electronic costs instead of letting ADC/DAC and I/O dominate; and (3) robustness under hardware non-idealities that become more severe as integration density grows. To study these coupled tradeoffs quantitatively, and to ensure they remain meaningful under real implementation constraints, we build a cross-layer toolchain that supports photonic AI design from early exploration to physical realization. SimPhony provides implementation-aware modeling and rapid cross-layer evaluation, translating physical costs into system-level metrics so architectural decisions are grounded in realistic assumptions. ADEPT and ADEPT-Z enable end-to-end circuit and topology exploration, connecting system objectives to feasible photonic fabrics under practical device and circuit constraints. Finally, Apollo and LiDAR provide scalable photonic physical design automation, turning candidate circuits into manufacturable layouts while accounting for routing, thermal, and crosstalk constraints.
• Abstract（参考訳）: 本研究では,(1)重み付きカーネル,特に注意/変圧器スタイルのワークロードではなく,現代的なモデルに対する動的テンソル操作のサポート,(2)コンバージョン,制御,データ移動のオーバヘッドの体系的管理,2)ADC/DACやI/Oが支配されるのではなく,多重化とデータフローが電子的コストを減らさなければならない,(3)統合密度が大きくなるにつれてハードウェア非イデアル性の下での堅牢性。 これらの結合されたトレードオフを定量的に研究し、実際の実装制約の下で意味を保ち続けるために、私たちは、フォトニックAI設計を早期探索から物理的実現までサポートするクロスレイヤーツールチェーンを構築します。 SimPhonyは実装対応のモデリングと高速な層間評価を提供し、物理的なコストをシステムレベルのメトリクスに変換することで、アーキテクチャ上の決定を現実的な仮定で基礎付ける。 ADEPTとADEPT-Zは、エンド・ツー・エンドのサーキットとトポロジーの探索を可能にし、実用的なデバイスと回路制約の下でシステム目的と実現可能なフォトニックファブリックを接続する。 最後に、ApolloとLiDARはスケーラブルなフォトニックな物理設計自動化を提供し、候補回路を製造可能なレイアウトに変換し、ルーティング、サーマル、クロストークの制約を考慮に入れている。

関連論文リスト

• Toward Lifelong-Sustainable Electronic-Photonic AI Systems via Extreme Efficiency, Reconfigurability, and Robustness [1.9666903722608062]
  電子フォトニック集積回路(EPIC)は、超高帯域幅、低レイテンシ、エネルギー効率に固有の利点を提供する。 EPDAと共同設計手法がこれらの固有の利点をいかに増幅するかを示す。 我々は、生涯持続可能な電子フォトニックAIシステムのビジョンを概説する。
  論文  参考訳（メタデータ） (2025-09-09T05:20:55Z)
• Machine-Learning-Assisted Photonic Device Development: A Multiscale Approach from Theory to Characterization [80.82828320306464]
  フォトニックデバイス開発(PDD)は、様々な波長、スケール、アプリケーションにまたがる光を制御する新しいデバイスの設計と実装において大きな成功を収めた。 PDDは、設計パラメータからデバイス動作を導出する、デバイス性能をシミュレーションする、最適なデバイスを製造する、デバイス性能を測定する、という5段階の反復的プロセスである。 PDDは、大規模な最適化の展望、構造的または光学的特徴の不確実性、堅牢な製造プロセスの実装の困難に悩まされている。 本稿では,機械学習支援型PDDの実現に向けて,これらの手法の総合的な展望を示す。
  論文  参考訳（メタデータ） (2025-06-24T23:32:54Z)
• MAPS: Multi-Fidelity AI-Augmented Photonic Simulation and Inverse Design Infrastructure [18.220589086200025]
  逆設計はフォトニックデバイス最適化の変換手法として登場した。 我々は,多要素AIによるフォトニックシミュレーションと逆設計基盤であるMAPSを紹介する。
  論文  参考訳（メタデータ） (2025-03-02T22:30:18Z)
• Hardware-Efficient Photonic Tensor Core: Accelerating Deep Neural Networks with Structured Compression [15.665630650382226]
  本稿では,構造圧縮型光ニューラルネットワーク(StrC-ONN)アーキテクチャのためのブロック循環型フォトニックテンソルコアを提案する。 この研究は、実用的でスケーラブルなONNへの新たな道筋を探求し、将来の計算効率の課題に対処するための有望な道筋を浮き彫りにしている。
  論文  参考訳（メタデータ） (2025-02-01T17:03:45Z)
• SOLO: A Single Transformer for Scalable Vision-Language Modeling [74.05173379908703]
  我々はvisiOn-Language mOdelingのための単一変換器SOLOを提案する。 SOLOのような統一された単一トランスフォーマーアーキテクチャは、LVLMにおけるこれらのスケーラビリティ上の懸念に効果的に対処する。 本稿では,オープンソースの7B LVLMであるSOLOの開発のための,最初のオープンソーストレーニングレシピを紹介する。
  論文  参考訳（メタデータ） (2024-07-08T22:40:15Z)
• AI-Assisted Detector Design for the EIC (AID(2)E) [0.0]
  ePIC実験には、性能、物理学的到達度、コストなど、多くの設計パラメータと目的が含まれている。 本研究の目的は,EIC(AID(2)E)のためのスケーラブルで分散AI支援型検出器の開発である。
  論文  参考訳（メタデータ） (2024-05-25T15:33:44Z)
• Random resistive memory-based deep extreme point learning machine for unified visual processing [67.51600474104171]
  ハードウェア・ソフトウェア共同設計型, ランダム抵抗型メモリベース深部極点学習マシン(DEPLM)を提案する。 我々の共同設計システムは,従来のシステムと比較して,エネルギー効率の大幅な向上とトレーニングコストの削減を実現している。
  論文  参考訳（メタデータ） (2023-12-14T09:46:16Z)
• Energy-frugal and Interpretable AI Hardware Design using Learning Automata [5.514795777097036]
  Tsetlin Machineと呼ばれる新しい機械学習アルゴリズムが提案されている。 本稿では,エネルギーフルーガルな人工知能ハードウェア設計手法について検討する。 本研究は, 資源配分が, 頑健かつ解釈可能な学習を達成しつつ, 決定的なエネルギー削減をもたらすことを示す。
  論文  参考訳（メタデータ） (2023-05-19T15:11:18Z)

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。