論文の概要: ROSA: Robust and Energy-Efficient Microring-Based Optical Neural Networks via Optical Shift-and-Add and Layer-Wise Hybrid Mapping
- arxiv url: http://arxiv.org/abs/2605.00032v1
- Date: Fri, 24 Apr 2026 04:45:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-04 17:43:28.638917
- Title: ROSA: Robust and Energy-Efficient Microring-Based Optical Neural Networks via Optical Shift-and-Add and Layer-Wise Hybrid Mapping
- Title（参考訳）: ROSA:光シフト・アンド・アダッドと層幅ハイブリッドマッピングによるロバストかつエネルギー効率の良いマイクロリングベース光ニューラルネットワーク
- Authors: Huifan Zhang, Yun Hu, Caizhi Sheng, Yurui Qu, Pingqiang Zhou,
- Abstract要約: ROSAは、堅牢性とエネルギー効率を改善するマイクロリングベースの光ニューラルネットワークアーキテクチャである。
DACと温度変動を考慮したノイズ対応電圧対重モデルと、MRRアレイサイズと層単位でのデータフローを協調最適化するワークロード対応フレームワークを導入している。
- 参考スコア（独自算出の注目度）: 1.306677016573685
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This work presents ROSA, a microring-based optical neural network architecture that improves robustness and energy efficiency using an optical shift-and-add (OSA) module and a layer-wise hybrid mapping strategy. It introduces a noise-aware voltage-to-weight model considering DAC and thermal variations, and a workload-aware framework to co-optimize MRR array size and layer-wise dataflow. Optimized arrays reduce the aggregated relative energy-delay product (EDP) by 64% and 26% compared with DEAP-CNNs and a general compact array, respectively. OSA further contributes 29% EDP reduction. The proposed hybrid mapping strategy improves CIFAR-10 accuracy by 8.3% over weight-stationary mapping while achieving an average 54.7% lower EDP than DEAP-CNNs.
- Abstract（参考訳）: 本研究は、光シフト・アンド・アタッチメント(OSA)モジュールと層ワイドハイブリッドマッピング戦略を用いて、ロバスト性とエネルギー効率を向上させるマイクロリングベースの光ニューラルネットワークアーキテクチャであるROSAを提案する。
DACと温度変動を考慮したノイズ対応電圧対重モデルと、MRRアレイサイズと層単位でのデータフローを協調最適化するワークロード対応フレームワークを導入している。
最適化アレイは、DEAP-CNNと汎用コンパクトアレイと比較して、集約された相対エネルギー遅延積(EDP)を64%と26%削減する。
OSAはさらに29%のEDP削減に貢献している。
提案したハイブリッドマッピング戦略は、重量-静止マッピングよりもCIFAR-10の精度を8.3%向上し、DEAP-CNNよりも平均54.7%低いEDPを実現している。
関連論文リスト
- PASS-Enhanced MEC: Joint Optimization of Task Offloading and Uplink PASS Beamforming [67.78883135636657]
ピンチアンテナシステム (PASS) によるモバイルエッジコンピューティング (MEC) アーキテクチャについて検討した。
PASSは、重要な経路損失と潜在的な信号遮断を効果的に軽減しつつ、短距離ライン・オブ・ライト(LoS)リンクを確立する。
ネットワーク遅延最小化問題を定式化し、アップリンクPASSビームフォーミングとタスクオフロードを共同で最適化する。
論文 参考訳（メタデータ） (2025-10-27T03:04:46Z) - Energy Efficient Exact and Approximate Systolic Array Architecture for Matrix Multiplication [0.0]
ディープニューラルネットワーク(DNN)は、複雑な計算のために非常に効率的な行列乗算エンジンを必要とする。
本稿では,新しい高精度および近似処理要素(PE)を組み込んだシストリックアレイアーキテクチャを提案する。
提案した8ビットの正確なPE設計と近似PE設計は、それぞれ22%と32%の省エネを達成する8x8シストリックアレイで採用されている。
論文 参考訳（メタデータ） (2025-08-31T10:15:35Z) - A Fluid Antenna Enabled Physical Layer Key Generation for Next-G Wireless Networks [83.86388221738225]
物理層鍵生成(PLKG)は、セキュリティインフラなしで無線チャネルから秘密鍵を入手することができる。
厳しい伝播環境では、キー生成率(KGR)が著しく低下する。
本稿では,この課題に対処するために,新しい流体アンテナ (FA) を用いたPLKGシステムを提案する。
論文 参考訳（メタデータ） (2025-08-16T18:39:19Z) - A Lightweight Deep Learning Model for Automatic Modulation Classification using Dual Path Deep Residual Shrinkage Network [0.0]
自動変調分類(AMC)はスペクトル効率を高める上で重要な役割を果たしている。
低複雑性と高い分類精度のバランスをとる軽量AMCモデルの必要性が高まっている。
本稿では,資源制約エッジデバイスに最適化された低複雑さ,軽量深層学習(DL)AMCモデルを提案する。
論文 参考訳（メタデータ） (2025-07-07T00:37:54Z) - Joint Transmit and Pinching Beamforming for Pinching Antenna Systems (PASS): Optimization-Based or Learning-Based? [89.05848771674773]
MISO (Multiple-input Single-output) フレームワークを提案する。
それは複数の導波路で構成されており、多数の低コストアンテナ(PA)を備えている。
PAの位置は、大規模パスと空間の両方にまたがるように再構成することができる。
論文 参考訳（メタデータ） (2025-02-12T18:54:10Z) - DCentNet: Decentralized Multistage Biomedical Signal Classification using Early Exits [4.44410626000765]
DCentNetは単一のCNNモデルをEEPを使用して複数のサブネットワークに分割する。
EEPは送信前に大きな特徴マップを圧縮し、無線データ転送と電力使用量を大幅に削減する。
遺伝的アルゴリズムは、EEP配置を最適化し、パフォーマンスと複雑さのバランスをとるために使用される。
論文 参考訳（メタデータ） (2025-01-31T04:24:39Z) - Energy-Efficient Split Learning for Fine-Tuning Large Language Models in Edge Networks [15.727573358801695]
大規模言語モデルを微調整するためのエネルギー効率の高い分割学習フレームワークを提案する。
提案手法は,ベンチマークと比較すると,平均トレーニング遅延とサーバのエネルギー消費を70.8%,53.1%削減する。
論文 参考訳（メタデータ） (2024-11-27T12:34:45Z) - Multiagent Reinforcement Learning with an Attention Mechanism for
Improving Energy Efficiency in LoRa Networks [52.96907334080273]
ネットワーク規模が大きくなるにつれて、パケット衝突によるLoRaネットワークのエネルギー効率は急激に低下する。
マルチエージェント強化学習(MALoRa)に基づく伝送パラメータ割り当てアルゴリズムを提案する。
シミュレーションの結果,MALoRaはベースラインアルゴリズムと比較してシステムEEを著しく改善することがわかった。
論文 参考訳（メタデータ） (2023-09-16T11:37:23Z) - Collaborative Intelligent Reflecting Surface Networks with Multi-Agent
Reinforcement Learning [63.83425382922157]
インテリジェント・リフレクション・サーフェス(IRS)は将来の無線ネットワークに広く応用されることが想定されている。
本稿では,エネルギー収穫能力を備えた協調型IRSデバイスを用いたマルチユーザ通信システムについて検討する。
論文 参考訳（メタデータ） (2022-03-26T20:37:14Z) - Low PAPR waveform design for OFDM SYSTEM based on Convolutional
Auto-Encoder [17.390856495666316]
本稿では,ピーク対平均電力比(PAPR)低減と波形設計のための畳み込みオートエンコーダ(CAE)のアーキテクチャを紹介する。
提案アーキテクチャは,PAPR削減ブロックと非線形高出力増幅器(HPA)モデルを統合する。
本稿では,ビット誤り率 (BER) , PAPR, スペクトル応答を解析し, 一般的なPAPR削減アルゴリズムと比較する。
論文 参考訳（メタデータ） (2020-11-12T12:44:30Z) - Optimization-driven Deep Reinforcement Learning for Robust Beamforming
in IRS-assisted Wireless Communications [54.610318402371185]
Intelligent Reflecting Surface (IRS)は、マルチアンテナアクセスポイント(AP)から受信機へのダウンリンク情報伝達を支援する有望な技術である。
我々は、APのアクティブビームフォーミングとIRSのパッシブビームフォーミングを共同最適化することで、APの送信電力を最小化する。
過去の経験からビームフォーミング戦略に適応できる深層強化学習(DRL)手法を提案する。
論文 参考訳（メタデータ） (2020-05-25T01:42:55Z)
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。