論文の概要: Democratizing Electronic-Photonic AI Systems: An Open-Source AI-Infused Cross-Layer Co-Design and Design Automation Toolflow
- arxiv url: http://arxiv.org/abs/2601.00130v1
- Date: Wed, 31 Dec 2025 22:22:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-05 15:04:33.272487
- Title: Democratizing Electronic-Photonic AI Systems: An Open-Source AI-Infused Cross-Layer Co-Design and Design Automation Toolflow
- Title（参考訳）: 電子フォトニックAIシステムの民主化 - オープンソースAIを融合したクロスレイヤの共同設計と設計自動化ツールフロー
- Authors: Hongjian Zhou, Ziang Yin, Jiaqi Gu,
- Abstract要約: 本稿では,フォトニックAIシステム開発を民主化することを目的とした,多層共同設計・自動化フレームワークを提案する。
まず、スケーラブルなフォトニックエッジAIとTransformer推論のためのアーキテクチャ設計を紹介し、次にEPIC AIシステム評価と設計空間探索のためのオープンソースのモデリングツールであるSimPhonyを紹介します。
そして、物理的なAIベースのMaxwellソルバ、製造対応の逆設計フレームワーク、メタ光学ニューラルネットワークのためのスケーラブルな逆トレーニングアルゴリズムなど、AI対応のフォトニックデザイン自動化の進歩を強調します。
- 参考スコア（独自算出の注目度）: 1.9226394454168387
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Photonics is becoming a cornerstone technology for high-performance AI systems and scientific computing, offering unparalleled speed, parallelism, and energy efficiency. Despite this promise, the design and deployment of electronic-photonic AI systems remain highly challenging due to a steep learning curve across multiple layers, spanning device physics, circuit design, system architecture, and AI algorithms. The absence of a mature electronic-photonic design automation (EPDA) toolchain leads to long, inefficient design cycles and limits cross-disciplinary innovation and co-evolution. In this work, we present a cross-layer co-design and automation framework aimed at democratizing photonic AI system development. We begin by introducing our architecture designs for scalable photonic edge AI and Transformer inference, followed by SimPhony, an open-source modeling tool for rapid EPIC AI system evaluation and design-space exploration. We then highlight advances in AI-enabled photonic design automation, including physical AI-based Maxwell solvers, a fabrication-aware inverse design framework, and a scalable inverse training algorithm for meta-optical neural networks, enabling a scalable EPDA stack for next-generation electronic-photonic AI systems.
- Abstract（参考訳）: Photonicsは、高性能AIシステムと科学計算の基盤技術となり、非並列なスピード、並列性、エネルギー効率を提供する。
この約束にもかかわらず、電子フォトニックAIシステムの設計と展開は、デバイス物理、回路設計、システムアーキテクチャ、AIアルゴリズムにまたがる複数の層にわたる学習曲線のため、非常に難しいままである。
成熟した電子フォトニックデザイン自動化(EPDA)ツールチェーンが存在しないことは、長い、非効率な設計サイクルをもたらし、学際的革新と共進化を制限する。
本稿では,フォトニックAIシステム開発の民主化を目的とした,多層共同設計・自動化フレームワークを提案する。
まず、スケーラブルなフォトニックエッジAIとTransformer推論のためのアーキテクチャ設計を紹介し、次にEPIC AIシステム評価と設計空間探索のためのオープンソースのモデリングツールであるSimPhonyを紹介します。
そして、物理AIベースのMaxwellソルバ、製造対応の逆設計フレームワーク、メタ光学ニューラルネットワークのためのスケーラブルな逆トレーニングアルゴリズムなど、AI対応のフォトニックデザイン自動化の進歩を強調し、次世代の電子フォトニックAIシステムのためのスケーラブルなEPDAスタックを可能にする。
関連論文リスト
- The Role of Advanced Computer Architectures in Accelerating Artificial Intelligence Workloads [0.0]
人工知能(AI)の顕著な進歩は、コンピュータアーキテクチャにおける同時革命と基礎的に結びついている。
AIモデル、特にDeep Neural Networks(DNN)が複雑化するにつれ、その膨大な計算要求により、従来のアーキテクチャは限界に達している。
本稿では、現代のAIワークロードを加速するために設計されたアーキテクチャのランドスケープを分析し、この共進化の構造化されたレビューを提供する。
論文 参考訳（メタデータ） (2025-11-13T06:26:39Z) - 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) - AI-Enhanced Automatic Design of Efficient Underwater Gliders [60.45821679800442]
自動設計フレームワークの構築は、グライダー形状を表現する複雑さと、複雑な固体-流体相互作用をモデル化する際の計算コストが高いため、困難である。
非自明な船体形状の水中ロボットを作れるようにすることで、これらの制限を克服するAI強化型自動計算フレームワークを導入する。
提案手法は, 形状と制御信号の両面を協調的に最適化するアルゴリズムで, 低次幾何表現と微分可能なニューラルネット型流体代理モデルを用いる。
論文 参考訳（メタデータ） (2025-04-30T23:55:44Z) - 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) - SimPhony: A Device-Circuit-Architecture Cross-Layer Modeling and Simulation Framework for Heterogeneous Electronic-Photonic AI System [7.378742476019604]
異種電子フォトニックAIシステムのための多層モデリングおよびシミュレーションフレームワークであるSimPhonyを提案する。
SimPhonyは、統一的で汎用的で高忠実なシミュレーションプラットフォームを提供することで、研究者が複数のドメインにわたるAIハードウェアを革新し、評価することを可能にする。
論文 参考訳（メタデータ） (2024-11-20T21:21:54Z) - 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) - Green Edge AI: A Contemporary Survey [46.11332733210337]
AIの変換力は、ディープニューラルネットワーク(DNN)の利用から導かれる。
ディープラーニング(DL)は、エンドユーザーデバイス(EUD)に近い無線エッジネットワークに移行しつつある。
その可能性にもかかわらず、エッジAIは大きな課題に直面している。主な原因は、無線エッジネットワークのリソース制限と、DLのリソース集約的な性質の分離である。
論文 参考訳（メタデータ） (2023-12-01T04:04:37Z) - Large Language Models Empowered Autonomous Edge AI for Connected
Intelligence [51.269276328087855]
エッジ人工知能(Edge AI)は、コネクテッドインテリジェンスを実現するための有望なソリューションである。
この記事では、ユーザのさまざまな要件を満たすために自動的に組織化し、適応し、最適化する、自律的なエッジAIシステムのビジョンを示す。
論文 参考訳（メタデータ） (2023-07-06T05:16:55Z) - Enabling Design Methodologies and Future Trends forEdge AI:
Specialization and Co-design [37.54971466190214]
エッジAI開発スタック全体にまたがる、最新の可能な設計方法論に関する包括的な調査を提供する。
効率的なエッジAI開発のための重要な手法は、単層特殊化とクロス層共同設計である。
論文 参考訳（メタデータ） (2021-03-25T16:29:55Z) - Machine Learning-Based Automated Design Space Exploration for Autonomous
Aerial Robots [55.056709056795206]
自律飛行ロボットのためのドメイン固有のアーキテクチャの構築は、オンボードコンピューティングを設計するための体系的な方法論が欠如しているため、難しい。
F-1ルーフラインと呼ばれる新しいパフォーマンスモデルを導入し、アーキテクトがバランスの取れたコンピューティングシステムを構築する方法を理解するのを助ける。
サイバー物理設計空間を自動でナビゲートするために、AutoPilotを導入します。
論文 参考訳（メタデータ） (2021-02-05T03:50:54Z) - Photonics for artificial intelligence and neuromorphic computing [52.77024349608834]
フォトニック集積回路は超高速な人工ニューラルネットワークを可能にした。
フォトニックニューロモルフィックシステムはナノ秒以下のレイテンシを提供する。
これらのシステムは、機械学習と人工知能の需要の増加に対応する可能性がある。
論文 参考訳（メタデータ） (2020-10-30T21:41:44Z)
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。