パリティ-時間対称光ニューラルネットワーク【JST・京大機械翻訳】

Deng Haoqin; Khajavikhan Mercedeh

プレプリント

J-GLOBAL ID：202202215749651718 整理番号：22P0306196

パリティ-時間対称光ニューラルネットワーク【JST・京大機械翻訳】

Parity-time symmetric optical neural networks

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年03月15日プレプリントサーバーでの情報更新日： 2022年03月15日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

カスケードMach-Zehnder干渉計(MZIs)アレイ上に実装された光ニューラルネットワーク(ONN)は,最近,従来の深層学習ハードウェアのための可能な代替として提案されている。それらは,それらの電子対応物と比較して,より高いエネルギー効率と計算速度を提供する可能性がある。可変位相シフタを利用することにより,任意の行列ベクトル乗算のエミュレーションを可能にするために,各MZIsの出力を調整できる。これらの移相器はONNのプログラム可能性の中心であるが,大きなフットプリントを必要とし,比較的遅い。ここでは,そのビルディングブロックとしてパリティ時間(PT)対称結合器を利用するONNアーキテクチャを提案した。変調位相の代わりに,アレイを横切る利得/損失コントラストを,ネットワークを訓練する手段として調整した。PT対称光ニューラルネットワーク(PT-ONN)は,標準および技術(MNIST)データセットの修正国立研究所において,数字認識タスクを実行することにより,適切に表現できることを示した。従来のONNと比較して,PT-ONNは,変化する位相に関連した問題を回避する一方で,同等の精度(67%対71%)を達成した。本アプローチは,チップスケール光ニューラルネットワークにおける高速訓練のための新しい代替手段を導く。【JST・京大機械翻訳】

, , , , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

人工知能 , 光学情報処理 , 脳・神経系モデル , ニューロコンピュータ

, ,

前のページに戻る