【Science Advances】普林斯顿大学利用非相干光打造可重构纳米光子神经网络

(导读 )

人工智能对计算性能需求剧增,电子微处理器发展受功耗限制。光学计算有望解决这些问题,光学神经网络(ONNs)成为研究热点,但现有 ONNs 因设计缺陷,在图像分类任务中精度远低于现代电子神经网络,且大多只能在相干光下工作。

( 亮点 )

本研究提出了一种新型的空间变化纳米光子神经网络(SVN³),通过将并行光学计算嵌入平面相机光学系统中,在图像捕获阶段即完成神经网络计算。

大核空间变化卷积(LKSV):通过低维重参数化技术学习大尺寸、角度依赖的卷积核,显著提升了计算效率和精度。

纳米光子阵列实现:利用超表面技术设计角度依赖的光学响应,在非相干光照下实现高效计算。

混合光电系统:结合光学前端(99%计算量)和轻量级电子后端(1%计算量),在CIFAR-10数据集上达到72.76%的准确率,超越AlexNet(72.64%),同时将电子参数数量减少四个数量级。

多功能应用:该系统还可扩展至ImageNet分类(48.64%top-5准确率)和语义分割任务,展示了其在多样化视觉任务中的通用性。

图 1 .空间变化的纳米光子神经网络。

图 2.SVN 的实验验证3.

图 3 .CIFAR-10 图像分类设计的制造芯片的实验测量。

图 4 .来自 CIFAR-10 测试集的随机样本的实验(前 2 名)分类(概率)结果。

图 5.SVN 的验证3作为适用于各种视觉任务的多功能相机。

( 展望 )

SVN³将几乎所有计算(99.64%)从电子处理器转移到光学领域,实现4mm超薄光学堆叠,缩小了光子和电子人工智能之间的差距,且无需制造新光学器件即可推广到多种视觉任务。未来多光圈扩展有望实现高分辨率、多通道光学计算,进一步推动光子人工智能发展。

DOI: 10.1126/scia4vadp0391

【注】:小编水平有限,若有误,请联系修改;若侵权,请联系删除!

相关推荐
恰薯条的屑海鸥8 分钟前
前端进阶之路-从传统前端到VUE-JS(第五期-路由应用)
前端·javascript·vue.js·学习·前端框架
woodykissme32 分钟前
齿轮主要的几项精度指标及检测项目学习
学习·机械·齿轮·齿轮精度
gyeolhada39 分钟前
操作系统-第四章存储器管理和第五章设备管理-知识点整理(知识点学习 / 期末复习 / 面试 / 笔试)
学习·计算机系统
超浪的晨2 小时前
Java 内部类详解:从基础到实战,掌握嵌套类、匿名类与局部类的使用技巧
java·开发语言·后端·学习·个人开发
DKPT3 小时前
Java设计模式之行为型模式(命令模式)介绍与说明
java·笔记·学习·设计模式
yingtianhaoxuan4 小时前
学习笔记-Excel统计分析——描述统计量的计算
笔记·学习
andyguo5 小时前
语音识别的速度革命:从 Whisper 到 Whisper-CTranslate2,我经历了什么?
人工智能·学习·ai·whisper·语音识别·xcode·ai测评
罚时大师月色6 小时前
ssm学习笔记day05
笔记·学习
fengye2071616 小时前
板凳-------Mysql cookbook学习 (十一--------9)
android·学习·mysql
小关会打代码7 小时前
每天学习一个Python库之正则表达式库(re)
python·学习·re