論文の概要: Breaking the Cascade: Compact Nonlinear Optical Computing with Single-Layer Encoder-Decoder Co-Localization
- arxiv url: http://arxiv.org/abs/2606.01032v1
- Date: Sun, 31 May 2026 05:46:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-02 21:34:29.090392
- Title: Breaking the Cascade: Compact Nonlinear Optical Computing with Single-Layer Encoder-Decoder Co-Localization
- Title（参考訳）: カスケードを破る:単一層エンコーダデコーダを用いたコンパクト非線形光学計算
- Authors: Yuntian Wang, Alexander Chen, Md Sadman Sakib Rahman, Aydogan Ozcan,
- Abstract要約: 非線形計算はコヒーレント照明下で1つの線形微分曲面で実現できる。
本稿では,入力依存型動的エンコーダと静的最適化型デコーダを統合した,コンパクトなエンコーダ-デコーダ共局在化アーキテクチャを提案する。
In situ Learning を用いて学習した可視光セットアップを用いて提案手法を実験的に検証した。
- 参考スコア（独自算出の注目度）: 40.4197846036432
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We demonstrate that nonlinear computing can be achieved with a single linear diffractive surface under coherent illumination. We introduce a compact encoder-decoder co-localization (E+D) architecture in which an input-dependent dynamic encoder and a static optimized decoder are integrated within the same phase-only diffractive plane. Following free-space propagation, coherent interference between the encoder and decoder fields, combined with intensity detection, generates programmable nonlinear input-output mappings without requiring nonlinear optical materials or multiple diffractive layers. We prove that the proposed E+D optical processor is a universal approximator for arbitrary real-valued band-limited nonlinear functions and identify the physical factors governing its approximation fidelity, including the decoder degrees-of-freedom, detector aperture, and axial propagation distance. Crucially, we demonstrate that introducing a trained, frozen phase bias to the encoder region systematically enhances functional expressivity, providing robustness against coarse phase quantization on spatial light modulators. Using this framework, we accurately synthesize diverse nonlinear functions, including commonly used neural network activation functions and complex-valued nonlinear functions. Finally, we experimentally validate the proposed approach using a visible-light optical set-up trained through in situ learning, demonstrating the parallel approximation of 9 nonlinear functions in a single optical forward pass. By collapsing nonlinear optical computation into a single diffractive surface, the E+D architecture substantially reduces hardware and alignment complexity while preserving powerful function-approximation capabilities, providing a compact and scalable framework for analog information processing.
- Abstract（参考訳）: 非線形計算はコヒーレント照明下で1つの線形微分曲面で実現できることを示す。
入力依存型動的エンコーダと静的最適化型デコーダを同じ位相のみの微分平面に統合した,コンパクトなエンコーダ-デコーダ共局在化(E+D)アーキテクチャを提案する。
自由空間伝播に続いて、エンコーダとデコーダフィールド間のコヒーレント干渉と強度検出が組み合わされ、非線形光学材料や複数の回折層を必要としないプログラム可能な非線形入出力マッピングが生成される。
提案したE+D光プロセッサは、任意の実数値帯域制限非線形関数の普遍近似器であり、デコーダ自由度、検出器開口、軸伝播距離を含む近似忠実度を規定する物理因子を同定する。
重要なことは、エンコーダ領域にトレーニングされた凍結位相バイアスを導入することで、機能的表現性を体系的に向上し、空間光変調器における粗い位相量子化に対する堅牢性を提供する。
本稿では,ニューラルネットワークの活性化関数や複素数値非線形関数など,様々な非線形関数を正確に合成する。
最後に,in situ学習を通して学習した可視光セットアップを用いて提案手法を実験的に検証し,単一光フォワードパスにおける9つの非線形関数の並列近似を実証した。
非線形光学計算を単一の回折面に分解することにより、E+Dアーキテクチャはハードウェアとアライメントの複雑さを大幅に低減し、強力な関数近似機能を保持し、アナログ情報処理のためのコンパクトでスケーラブルなフレームワークを提供する。
関連論文リスト
- Large-scale nonlinear optical computing with incoherent light via linear diffractive systems [46.80331539631633]
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。
論文 参考訳（メタデータ） (2026-03-31T01:27:57Z) - 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) - 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) - 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) - D4FT: A Deep Learning Approach to Kohn-Sham Density Functional Theory [79.50644650795012]
コーンシャム密度汎関数論(KS-DFT)を解くための深層学習手法を提案する。
このような手法はSCF法と同じ表現性を持つが,計算複雑性は低下する。
さらに,本手法により,より複雑なニューラルベース波動関数の探索が可能となった。
論文 参考訳（メタデータ） (2023-03-01T10:38:10Z) - NAF: Neural Attenuation Fields for Sparse-View CBCT Reconstruction [79.13750275141139]
本稿では,スパースビューCBCT再構成のための新規かつ高速な自己教師型ソリューションを提案する。
所望の減衰係数は、3次元空間座標の連続関数として表現され、完全に接続されたディープニューラルネットワークによってパラメータ化される。
ハッシュ符号化を含む学習ベースのエンコーダが採用され、ネットワークが高周波の詳細をキャプチャするのに役立つ。
論文 参考訳（メタデータ） (2022-09-29T04:06:00Z) - Learning the Linear Quadratic Regulator from Nonlinear Observations [135.66883119468707]
我々は、LQR with Rich Observations(RichLQR)と呼ばれる連続制御のための新しい問題設定を導入する。
本設定では, 線形力学と二次的コストを有する低次元連続潜伏状態によって環境を要約する。
本結果は,システムモデルと一般関数近似における未知の非線形性を持つ連続制御のための,最初の証明可能なサンプル複雑性保証である。
論文 参考訳（メタデータ） (2020-10-08T07:02:47Z) - 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。