液体結晶に基づく多機能分類のための偏光型ニューラルネットワーク

科学分野:

• 光電子機器
• 人工知能
• 材料科学

背景:

• 全光微分ニューラルネットワーク (DNN) は高速で低消費電力を提供しますが,通常は単一のタスクを処理します.
• 既存のDNNフレームワークは,複雑なAIシステムにおけるマルチタスク操作の柔軟性が欠けている.

研究 の 目的:

• 柔軟なマルチタスクの分類のための新しい偏向型多重分離型ニューラルネットワーク (PMDNN) を提案する.
• 液体結晶と極化マルチプレキシングを使用してDNNのマルチタスク処理能力を高める.

主な方法:

• ポラライゼーション調節のためのジョーンズ行列としてDNNに液晶を組み込みました.
• マルチタスクのインプットが 複数のポラライゼーションチャネルに
• MNIST,Fashion-MNIST,KMNISTのデータセットを分類するための3つのタスクのPMDNNを設計し,実証しました.

主要な成果:

• 一貫したシミュレーションと実験結果は,PMDNNのフレームワークの有効性を検証しました.
• 提案されたネットワークは,タスクの複雑さを増しても,タスク間でのクロストークが最小であることを示しました.
• より複雑なタスクを含む複数のデータセットを分類するためにPMDNNを成功裏に設計しました.

結論:

• PMDNNのアーキテクチャは, difrractiveニューラルネットワークの柔軟性を大幅に高めています.
• このアプローチは 超高速で低消費量で 多タスクの統合型AIシステムへの道を開きます
• 液晶ベースの分極マルチプレキシングは,高度なAIハードウェアに有効な経路を提供します.