論文の概要: Wavelength Diversity Expands the Expressive Power of Optical Computing
- arxiv url: http://arxiv.org/abs/2610.23070v1
- Date: Fri, 16 Oct 2026 07:42:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-20 00:56:07.819821
- Title: Wavelength Diversity Expands the Expressive Power of Optical Computing
- Title（参考訳）: 光コンピューティングの表現力を拡張する波長の多様性
- Abstract要約: 普遍関数近似(Universal function approximation)は、非線形関係を表現するニューラルネットワークの能力の基盤となる。
波長の多様性が光機能近似表現性を高めることを示す。
数値解析により、実数値および複素数値の非線形関数の近似が改善された。
- 参考スコア（独自算出の注目度）: 8.509951927021579
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Universal function approximation underpins neural networks' capacity to represent nonlinear relationships, but realizing this capability in optical hardware requires engineering the computational features encoded in light. Here, we show that wavelength diversity enhances optical function-approximation expressivity through wavelength-scaled Fourier features generated by a shared phase encoder, without increasing the number of input-encoded harmonics. Multiple wavelengths contribute to the representation of each output function rather than merely serving as independent computational channels. We establish theoretical scaling laws and approximation-error bounds, revealing that, for nondispersive encoders, the spectral endpoints determine the accessible computational bandwidth, while intermediate illumination wavelengths enrich the available harmonics within that bandwidth. Numerical studies demonstrate improved approximation of real- and complex-valued nonlinear functions, with a representative design achieving more than a 100-fold reduction in mean-squared error relative to tested monochromatic optical processors with the same number of trainable phase features. Experimentally, we validate enhanced approximation accuracy and demonstrate the simultaneous approximation of 4,136 distinct nonlinear functions using a compact, single-layer diffractive processor under five-wavelength illumination. These results establish wavelength diversity as an additional physical resource for scaling the expressive power of optical computing and enhancing the accuracy of parallel nonlinear function approximation.
- Abstract（参考訳）: ユニバーサル関数近似は、非線形関係を表現するニューラルネットワークの能力を支えるが、光ハードウェアでこの能力を実現するには、光で符号化された計算機能を必要とする。
本稿では,共振位相エンコーダが生成する波長スケールフーリエ特性により,波長の多様性が光関数近似表現性を向上させることを示す。
複数の波長は、独立した計算チャネルとして機能するのではなく、各出力関数の表現に寄与する。
理論的スケーリング法則と近似誤差境界を確立し、非分散エンコーダでは、スペクトル終端がアクセス可能な帯域幅を決定する一方、中間照明波長はその帯域幅内で利用可能な高調波を豊かにすることを示した。
実数値および複素数値の非線形関数の近似は, 実験用単色光学プロセッサと比較し, 平均二乗誤差の100倍以上の低減を実現した。
実験により,拡張近似精度を検証し,5波長光下での小型単一層回折プロセッサを用いて,4,136個の非線形関数の同時近似を実証した。
これらの結果は、光コンピューティングの表現力を拡大し、並列非線形関数近似の精度を高めるための追加の物理資源として波長多様性を確立する。
関連論文リスト
- Learning Metamaterial Eigenmodes with Wavelet-Encoded Fourier Neural Operators [57.64362886310329]
ニューラル演算子に基づく機械学習サロゲートは,弾性波動方程式の複数の固有モードを学習し,予測できることを示す。
メタマテリアル設計では、サロゲートは設計サイクルのシミュレーション段階を、コンシューマグレードのCPU上の有限要素解析と比較して3桁の速度で加速する。
これらの結果は、スペクトルニューラル演算子に基づく他のマルチモードPDEソルバの入力エンコーディングを設計するための幅広い意味を持つ。
論文 参考訳（メタデータ） (2026-09-08T01:21:46Z) - Universal Function Approximation via Diffractive Optical Processors: Physical Limits, Error Bounds, and Learnability [0.0]
本稿では、普遍近似理論、フーリエ函数近似、微分光学プロセッサを結合する統一理論フレームワークを提案する。
本分析は,フーリエトランケーション,PSF合成,入力位相誤差,光学ハードウェア,読み出し,ノイズコントリビューションを分離する近似誤差境界を導出した。
さらに、コヒーレントな光カスケーダビリティを分析し、コヒーレントな混合と光の読み出しによる二次的な特徴拡張が表現の強化のメカニズムを提供することを示す。
論文 参考訳（メタデータ） (2026-08-05T08:48:00Z) - Breaking the Cascade: Compact Nonlinear Optical Computing with Single-Layer Encoder-Decoder Co-Localization [40.4197846036432]
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。
論文 参考訳（メタデータ） (2026-05-31T05:46:10Z) - 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) - FUTON: Fourier Tensor Network for Implicit Neural Representations [56.48739018255443]
入射神経表現(INR)はシグナルを符号化する強力なツールとして現れてきたが、支配的な設計はしばしば収束が遅く、ノイズに過度に適応し、外挿が不十分である。
低ランクテンソル分解により係数がパラメータ化される一般化フーリエ級数として信号をモデル化するFUTONを導入する。
論文 参考訳（メタデータ） (2026-02-13T19:31:44Z) - 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) - 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) - Complete conversion between one and two photons in nonlinear waveguides
with tailored dispersion [62.997667081978825]
非線形光導波路における狭帯域ポンプ光子とブロードバンド光子対のコヒーレント変換を理論的に制御する方法を示す。
完全決定論的変換とポンプ光子再生は有限な伝播距離で達成できることを明らかにする。
論文 参考訳（メタデータ） (2021-10-06T23:49:44Z) - Efficient trainability of linear optical modules in quantum optical
neural networks [0.0]
m$モードのコヒーレント光は、総強度が$m$でサブ線形にスケールした場合、効率的にコンパイル可能であることを示す。
さらに,$m$で指数関数的にエネルギーが消滅しない入力状態に対する正の二次ハミルトニアン平均場エネルギー推定のための,$m$モード線形量子回路の効率的なトレーニング性を示す。
論文 参考訳（メタデータ） (2020-08-20T19:26:54Z) - Variational Monte Carlo calculations of $\mathbf{A\leq 4}$ nuclei with
an artificial neural-network correlator ansatz [62.997667081978825]
光核の基底状態波動関数をモデル化するためのニューラルネットワーク量子状態アンサッツを導入する。
我々は、Aleq 4$核の結合エネルギーと点核密度を、上位のピオンレス実効場理論から生じるものとして計算する。
論文 参考訳（メタデータ） (2020-07-28T14:52:28Z)
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。