オプティカル・ニューラル・ネットワークの完全前方モードトレーニング

科学分野:

• 光学について
• 機械学習
• 光学コンピューティング

背景:

• 現在の機械学習のトレーニングは デジタルコンピュータに依存し 速度とエネルギー効率を制限しています
• In silicoエミュレーションは,複雑な光学コンピューティングモデルに重大な制約を課しています.

研究 の 目的:

• 光学機械学習モデルの効率的なトレーニングのための新しい方法を開発する.
• 物理的な光学システムに直接コンピューティング集約型トレーニングプロセスを実装します.

主な方法:

• オプティカル・システムのための全前向きモード (FFM) の学習が導入されました.
• フリースペースと統合フォトニクスのFFM学習を実験的に実証した.
• 何百万ものパラメータを持つ光学ニューラルネットワークを利用した.

主要な成果:

• 同じサイズの光学ニューラルネットワークに 最先端の性能を達成した.
• 分離制限解像度を持つ散乱媒介を通して全光学フォーカスを示した.
• キロヘルツのフレームレートで直接視線の外のオブジェクトの並列イメージングを可能にします.
• 高いエネルギー効率 (5.40 × 10^18 オプス/秒/ワット) を低光強度で示した.
• 証明されたFFM学習は,非ヘルミシアン例外点を自動的に検索できます.

結論:

• FFM学習は,光学システムの機械学習プロセスを大幅に加速します.
• この方法は深層の神経ネットワークや 超敏感感知や トポロジックフォトニクスを 進歩させています
• FFMの学習は,物理的なシステム上の計算を行うことで,数値モデリングの制約を克服します.