文献

J-GLOBAL ID：201702244769404830   整理番号：17A0879170

コヒーレントなナノフォトニック回路による深層学習

Deep learning with coherent nanophotonic circuits

著者 (11件)： SHEN Yichen (Massachusetts Inst. of Technol., Massachusetts, USA) ,  HARRIS Nicholas C. (Massachusetts Inst. of Technol., Massachusetts, USA) ,  SKIRLO Scott (Massachusetts Inst. of Technol., Massachusetts, USA) ,  PRABHU Mihika (Massachusetts Inst. of Technol., Massachusetts, USA) ,  ENGLUND Dirk (Massachusetts Inst. of Technol., Massachusetts, USA) ,  SOLJACIC Marin (Massachusetts Inst. of Technol., Massachusetts, USA) ,  BAEHR-JONES Tom (Elenion, New York, USA) ,  HOCHBERG Michael (Elenion, New York, USA) ,  SUN Xin (Massachusetts Inst. of Technol., Massachusetts, USA) ,  ZHAO Shijie (Massachusetts Inst. of Technol., Massachusetts, USA) ,  LAROCHELLE Hugo (Univ. de Sherbrooke, Quebec, CAN)
資料名： Nature Photonics  (Nature Photonics)
巻： 11  号： 7  ページ： 441-446  発行年： 2017年07月 
JST資料番号： W2212A  ISSN： 1749-4885  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 人工ニューラルネットワークは,脳内での信号処理に着想を得た,コンピューターによるネットワークモデルである。こうしたモデルは,音声認識や画像認識を含む機械学習タスクの性能を劇的に改善した。しかし,現在の計算機ハードウエアは,ニューラルネットワークを実行するには効率が低い。その主な理由は,現在の計算機ハードウエアの多くはフォン・ノイマン型計算方式向けに設計されているためである。人工ニューラルネットワークの実装に特化し,計算速度と精度が改善された電子的アーキテクチャーの開発に向けて,かなりの努力がなされてきた。今回我々は,原理的に,従来の推論タスクにおいて最先端のエレクトロニクスを超える計算速度と電力効率を実現する可能性のある,全光ニューラルネットワークの新しいアーキテクチャーを提案する。我々は,シリコンフォトニック集積回路中の56個のプログラム可能なマッハ・ツェンダー干渉計のカスケードアレイを特徴とする,プログラム可能なナノフォトニックプロセッサーを使って,この概念の重要な部分を実験的に実証し,母音認識における有用性を示している。Copyright Nature Japan KK 2017

シソーラス用語： コヒーレンス ,  *機械学習 ,  *ニューラルネットワーク ,  *光学情報処理 ,  Mach-Zehnder干渉計 ,  モデル ,  計算機アーキテクチャ ,  ケイ素 ,  信号処理 ,  音声認識 ,  画像認識 ,  *光集積回路
準シソーラス用語： ネットワークモデル ,  *深層学習 ,  母音認識

分類 (2件)： 光集積回路,集積光学  (BD06050D) ,  光学情報処理  (BD03060T)

タイトルに関連する用語 (2件)： コヒーレント ,  深層学習