非線形光学エクストリーム学習器：不coherent光を用いたデータ残響による

科学分野:

• フォトニクス
• 機械学習
• 光コンピューティング

背景:

• 人工ニューラルネットワーク（ANN）は、高いエネルギー消費と計算要求により課題に直面しています。
• 光学ニューラルネットワーク（ONN）は、速度と効率の可能性を提供しますが、弱い非線形性によって制限されています。

研究 の 目的:

• 従来のONNの限界を克服する低電力光学エクストリーム学習器を実証すること。
• 非線形材料を必要とせずに、光パターン残響による「データの非線形性」を活用すること。

主な方法:

• 入力データを調整された光学共振器の空間偏光にエンコードすること。
• 共振器を通過する複数の光パスを利用して非線形変換を誘発すること。
• 分類およびベンチマークタスクのために単純な訓練可能な読み出しを使用すること。

主要な成果:

• 光学学習器は、極めて低い光パワーで非線形変換を実現しました。
• 画像分類およびXORベンチマークにおいて、線形デジタルネットワークを凌駕しました。
• 精度は、完全な非線形デジタルモデルと同等でした。

結論:

• 開発された光学エクストリーム学習器は、コンパクトでエネルギー効率が高く、コスト効果の高い、オール光学機械学習へのアプローチを提供します。
• この手法は、複雑さとエネルギー消費を削減し、スケーラブルな光学プラットフォームへの道を開きます。
• この技術は、固有の非線形材料への依存を排除し、ハードウェア要件を簡素化します。