Red neuronal óptica difractiva de varias longitudes de onda integrada con cristales fotónicos 2D para la...

Área de la Ciencia:

• La fotónica
• Aprendizaje automático
• Computación óptica

Sus antecedentes:

• Las redes neuronales ópticas (ONN) ofrecen ventajas sobre la computación electrónica debido a su alto paralelismo, ancho de banda y bajo consumo de energía.
• Las redes neuronales ópticas difractivas en chip (DONN) son clave para el aprendizaje automático integrado y eficiente en términos de energía.
• Los DONN actuales están limitados por la operación de una sola longitud de onda, lo que restringe el paralelismo computacional.

Objetivo del estudio:

• Proponer y demostrar una arquitectura de clasificación visual de múltiples longitudes de onda, PhC-DONN, para mejorar el rendimiento computacional.
• Aprovechar la longitud de onda como un grado de libertad para la multiplexación multidimensional en la computación difractiva.
• Establecer un nuevo paradigma de clasificación óptica para redes neuronales ópticas de múltiples longitudes de onda.

Principales métodos:

• Integración de componentes de cristal fotónico bidimensional (PhC) con unidades de cálculo difractivas.
• Desarrollo de una capa convolucional de PhC para la extracción de características de múltiples longitudes de onda.
• Implementación de una capa de difracción de tres etapas para la modulación de campo óptico paralelo y una capa de activación no lineal PhC para el cálculo no lineal de longitud de onda.

Principales resultados:

• PhC-DONN logró altas precisiones de clasificación: 99.09% en el MNIST, 66.41% en el CIFAR-10 y 92.25% en el KTH.
• La arquitectura demostró una mejora de 32 veces en el rendimiento computacional en comparación con las DONN convencionales.
• La inferencia multicanal se logró en un solo paso de propagación de la luz a través de la clasificación de longitud de onda paralela.

Conclusiones:

• El PhC-DONN propuesto implementa con éxito un mecanismo de clasificación de múltiples longitudes de onda, lo que aumenta significativamente el rendimiento y la precisión computacionales.
• Este trabajo presenta una vía viable para construir procesadores paralelos de inteligencia fotónica a gran escala.
• La nueva arquitectura avanza en los paradigmas de clasificación óptica para las redes neuronales ópticas de múltiples longitudes de onda.