論文の概要: Small-scale photonic Kolmogorov-Arnold networks using standard telecom nonlinear modules

• arxiv url: http://arxiv.org/abs/2604.08432v1
• Date: Thu, 09 Apr 2026 16:34:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-10 18:34:06.026243
• Title: Small-scale photonic Kolmogorov-Arnold networks using standard telecom nonlinear modules
• Title（参考訳）: 標準テレコム非線形モジュールを用いた小規模フォトニックKolmogorov-Arnoldネットワーク
• Authors: Luca Nogueira Calçado, Sergei K. Turitsyn, Egor Manuylovich,
• Abstract要約: フォトニックニューラルネットワークは超高速な推論を約束するが、ほとんどのアーキテクチャは電子的非線形性を持つ線形光学メッシュに依存している。 ここでは、標準電気通信コンポーネントで完全に実装された小規模フォトニックKolmogorov-Arnoldネットワーク(SSP-KAN)を紹介する。 少数の光学モジュールからなるSSP-KANは、分類、回帰、画像認識タスク間で強い非線形推論性能を達成する。
• 参考スコア（独自算出の注目度）: 0.6219327347402195
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Photonic neural networks promise ultrafast inference, yet most architectures rely on linear optical meshes with electronic nonlinearities, reintroducing optical-electrical-optical bottlenecks. Here we introduce small-scale photonic Kolmogorov-Arnold networks (SSP-KANs) implemented entirely with standard telecommunications components. Each network edge employs a trainable nonlinear module composed of a Mach-Zehnder interferometer, semiconductor optical amplifier, and variable optical attenuators, providing a four-parameter transfer function derived from gain saturation and interferometric mixing. Despite this constrained expressivity, SSP-KANs comprising only a few optical modules achieve strong nonlinear inference performance across classification, regression, and image recognition tasks, approaching software baselines with significantly fewer parameters. A four-module network achieves 98.4\% accuracy on nonlinear classification benchmarks inaccessible to linear models. Performance remains robust under realistic hardware impairments, maintaining high accuracy down to 6-bit input resolution and 14 dB signal-to-noise ratio. By using a fully differentiable physics model for end-to-end optimisation of optical parameters, this work establishes a practical pathway from simulation to experimental demonstration of photonic KANs using commodity telecom hardware.
• Abstract（参考訳）: フォトニックニューラルネットワークは超高速な推論を約束するが、ほとんどのアーキテクチャは非線形性を持つ線形光学メッシュに依存しており、光-電気-光学ボトルネックを再導入している。 ここでは、標準電気通信コンポーネントで完全に実装された小規模フォトニックKolmogorov-Arnoldネットワーク(SSP-KAN)を紹介する。 各ネットワークエッジは、マッハ・ツェンダー干渉計、半導体光増幅器、可変光減衰器からなるトレーニング可能な非線形モジュールを使用し、ゲイン飽和とインターフェロメトリー混合から導かれる4パラメータ転送関数を提供する。 このような制約のある表現性にもかかわらず、数個の光学モジュールからなるSSP-KANは、分類、回帰、画像認識タスク間で強い非線形推論性能を達成し、パラメータが大幅に少ないソフトウェアベースラインにアプローチする。 4モジュールネットワークは、線形モデルに到達できない非線形分類ベンチマークにおいて98.4\%の精度を達成する。 6ビットの入力解像度と14dBの信号-雑音比を高い精度で維持する。 本研究は,光学パラメータのエンドツーエンド最適化に完全微分可能な物理モデルを用いることで,シミュレーションからコモディティ・テレコム・ハードウェアを用いたフォトニック・カン実験への実践的経路を確立する。

関連論文リスト

• Relay-Assisted Activation-Integrated SIM for Wireless Physical Neural Networks [53.64687377045908]
  無線物理ニューラルネットワーク(WPNN)は、無線システムの物理層で直接ニューラルネットワークを実行するための有望なパラダイムとして登場した。 本稿では,アクティベーション統合された集積型知的準曲面(AI-SIM)に基づくリレー支援型WPNNアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2026-04-05T18:07:13Z)
• ReDON: Recurrent Diffractive Optical Neural Processor with Reconfigurable Self-Modulated Nonlinearity [4.488347887618485]
  Recurrent Diffractive Optical Neural Processor (ReDON)を導入する。 大規模言語モデルで使用されるゲート線形単位(GLU)にインスパイアされたReDONは、伝播する光学場の一部を感知し、その位相や強度を軽量パラメトリック関数によって変調する。 画像認識とセグメンテーションのベンチマークでは、ReDONは以前のDONNと比較してテスト精度と平均交叉結合(mIoU)を最大20%改善する。
  論文  参考訳（メタデータ） (2026-02-27T02:49:05Z)
• Integrated polarization-entangled photon source for wavelength-multiplexed quantum networks [49.82426139329382]
  薄膜ニオブ酸リチウム(TFLN)上における簡易だが高効率なオンチップ偏光共役光子対光源について述べる。 本装置では, 単一ナノフォトニック導波路におけるタイプ0とタイプIの自発的パラメトリックダウンコンバージョンを逐次サポートする2つの準位相マッチング(D-QPM)を用いる。 最大50kmの大都市ファイバリンク上に展開する4ユーザ量子ネットワークにおいて,波長多重絡み合い分布を実現する。
  論文  参考訳（メタデータ） (2025-11-27T18:30:01Z)
• Noise-tolerant tomography of multimode linear optical interferometers with single photons [0.0]
  本稿では,線形光干渉計の伝達行列を再構成する手法を提案する。 我々のアプローチは、損失と光子の不明瞭さを考慮に入れており、実験的な不完全性に対して堅牢である。 その結果, 行列再構成における忠実度が高く, ボソンサンプリング実験における有効性を示した。
  論文  参考訳（メタデータ） (2025-06-25T14:36:38Z)
• 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)
• All-optical modulation with single-photons using electron avalanche [66.27103948750306]
  シリコン中の電子雪崩による全光変調を実証する。 我々のアプローチは、ギガヘルツ速度と、さらに高速な光スイッチングの可能性を開く。
  論文  参考訳（メタデータ） (2023-12-18T20:14:15Z)
• Physics-aware Differentiable Discrete Codesign for Diffractive Optical Neural Networks [12.952987240366781]
  本研究は,Diffractive Optical Neural Network (DONN) の効率的なトレーニングを可能にする,新しいデバイス間ハードウェア・ソフトウェア符号フレームワークを提案する。 Gumbel-Softmaxは、現実世界のデバイスパラメータからDONNの前方関数への微分可能な離散マッピングを可能にするために使用される。 その結果,提案手法は従来の量子化法に比べて大きな利点があることがわかった。
  論文  参考訳（メタデータ） (2022-09-28T17:13:28Z)
• All-optical graph representation learning using integrated diffractive photonic computing units [51.15389025760809]
  フォトニックニューラルネットワークは、電子の代わりに光子を用いて脳にインスパイアされた計算を行う。 我々は、DGNN(diffractive graph neural network)と呼ばれる全光グラフ表現学習アーキテクチャを提案する。 ベンチマークデータベースを用いたノードおよびグラフレベルの分類タスクにおけるDGNN抽出機能の利用を実演し、優れた性能を実現する。
  論文  参考訳（メタデータ） (2022-04-23T02:29:48Z)
• 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。