論文の概要: Large-scale nonlinear optical computing with incoherent light via linear diffractive systems
- arxiv url: http://arxiv.org/abs/2603.29131v1
- Date: Tue, 31 Mar 2026 01:27:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-01 15:25:02.984332
- Title: Large-scale nonlinear optical computing with incoherent light via linear diffractive systems
- Title（参考訳）: 線形微分システムによる非コヒーレント光を用いた大規模非線形光学計算
- Authors: Alexander Chen, Yuntian Wang, Md Sadman Sakib Rahman, Yuhang Li, Aydogan Ozcan,
- Abstract要約: 最適化された微分プロセッサは空間的不整合あるいは部分的コヒーレント照明下で大規模非線形関数近似を行うことができることを示す。
数値計算の結果は、単一前方通過における100万個の異なる非線形関数のスナップショットを示す。
本研究は,空間的不整合および部分的コヒーレント照明のための超並列普遍関数近似器として,回折プロセッサを確立した。
- 参考スコア（独自算出の注目度）: 46.80331539631633
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Nonlinear computation is essential for various information processing tasks. Optical implementations are attractive because passive light propagation can manipulate high-dimensional signals with extreme throughput and parallelism; yet realizing nonlinear mappings in optical hardware remains challenging due to the weak nonlinearity of optical materials and the large intensities required to induce nonlinear interactions. This challenge is further amplified in many systems that operate with incoherent illumination, motivating a coherence-aware framework for scalable optical nonlinear processing. Here, we show that linear optical systems, in particular, optimized diffractive processors comprising passive surfaces, can perform large-scale nonlinear function approximation under spatially incoherent or partially coherent illumination, when preceded by intensity-only input encoding. We quantify how the accuracy of the nonlinear function approximation varies with the degree of parallelism, the number of diffractive layers, and the number of trainable diffractive features. Numerical results demonstrate snapshot computation of up to one million distinct nonlinear functions in a single forward pass through a diffractive processor, with the function outputs spatially multiplexed and read out using densely packed detectors at the output. We further provide a proof-of-concept experimental demonstration under incoherent illumination from a liquid crystal display (LCD), enabled by a model-free in situ learning strategy that jointly optimizes the diffractive profile and detector readout geometry in the presence of hardware imperfections and misalignments. Our findings establish diffractive processors as a massively parallel universal function approximator for both spatially incoherent and partially coherent illumination.
- Abstract（参考訳）: 非線形計算は様々な情報処理タスクに不可欠である。
パッシブ光伝搬は、極端スループットと並列性で高次元信号を操作できるため、光学実装は魅力的であるが、光学ハードウェアにおける非線形マッピングの実現は、光学材料の弱い非線形性と、非線形相互作用を誘発するために必要な大きな強度のために、依然として困難である。
この課題は、非コヒーレント照明で動作する多くのシステムにおいてさらに増幅され、スケーラブルな光非線形処理のためのコヒーレンス対応フレームワークを動機付けている。
ここでは、線形光学系、特に受動面からなる最適化された回折プロセッサは、強度のみの入力符号化に先立って空間的に不整合あるいは部分的コヒーレント照明の下で大規模非線形関数近似を行うことができることを示す。
本研究では, 非線形関数近似の精度が, 並列性の程度, 拡散層数, 訓練可能な微分特徴量によってどのように変化するかを定量化する。
数値計算の結果,単一前方通過における100万個の非線形関数のスナップショット計算を行い,その関数は空間的に多重化され,高密度に充填された検出器を用いて読み出される。
さらに,液晶ディスプレイ (LCD) からの不整合照明下での概念実証実験を行い,ハードウェアの不整合や不整合の存在下での回折プロファイルと検出器の読み出し形状を協調的に最適化するモデルなしin situ学習戦略により実現した。
本研究は,空間的不整合および部分的コヒーレント照明のための超並列普遍関数近似器として,回折プロセッサを確立した。
関連論文リスト
- Massively parallel and universal approximation of nonlinear functions using diffractive processors [17.16859564691328]
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。
論文 参考訳（メタデータ） (2025-07-11T01:54:10Z) - 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) - 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) - 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) - Nonlinear Processing with Linear Optics [3.3998740964877467]
低光出力で同時にプログラム可能な線形変換と非線形変換を合成できる多重散乱を用いた新しいフレームワークを提案する。
我々は、この光学フレームワークのスケーリングが、最先端のディープデジタルネットワークのように、電力法則に従うことを実証的に見出した。
論文 参考訳（メタデータ） (2023-07-17T14:49:06Z) - Stochastic Nonlinear Control via Finite-dimensional Spectral Dynamic Embedding [20.43835169613882]
本稿では,非線形系の最適制御のためのスペクトルダイナミクス埋め込み制御(SDEC)を提案する。
これはシステムの非線形力学によって誘導される無限次元の特徴表現を明らかにし、状態-作用値関数の線形表現を可能にする。
実用的な実装では、この表現は有限次元のトランケーションを用いて近似される。
論文 参考訳（メタデータ） (2023-04-08T04:23:46Z) - 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) - 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) - 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)
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。