模拟用于衍射神经网络的集成光子图像分类器
Huayi Sheng1, Muhammad Shemyal Nisar1
1Sino-British College, University of Shanghai for Science and Technology, Shanghai 200093, China.
Micromachines
|January 23, 2024
概括
集成衍射深度神经网络 (ID2NN) 为人工智能计算挑战提供了一个有希望的解决方案. 这些全光学网络利用光速和并行性来实现比电子系统更高的性能.
科学领域:
- 光子学 是一个光子学.
- 人工智能的人工智能
- 计算机工程 计算机工程
背景情况:
- 摩尔定律减速和·诺伊曼瓶限制了人工智能的电子计算.
- 传统的电子神经网络正在与人工智能的日益增长的需求作斗争.
- 光学计算在速度,并行性和功率效率方面提供了潜在的优势.
研究的目的:
- 介绍一个综合衍射深度神经网络 (ID2NN) 的详细设计框架.
- 使用基于Python的模拟来演示ID2NN的在绝缘体 (SOI) 实现.
- 评估拟议的ID2NN在图像分类任务中的性能.
主要方法:
- 为ID2NNs设计框架的开发.
- 在使用Python的在绝缘体平台上模拟ID2NN.
- 使用MNIST数据集进行图像分类的性能评估.
主要成果:
- 成功设计和模拟了一个集成的衍射深度神经网络.
- 对神经网络至关重要的矩阵向量运算展示ID2NN功能.
- 验证ID2NN在图像分类任务中的性能.
结论:
- ID2NNs为人工智能计算提供了可行的高性能替代方案.
- 拟议的CMOS兼容的光子方法可以实现高效的AI处理器实现.
- 衍射神经网络代表了人工智能光学计算的重大进步.
更多相关视频
06:25Author Spotlight: Comparative Imaging of Neural Activity in Awake and Freely Moving States
Published on: January 19, 2024
1.0K
11:24Targeted Labeling of Neurons in a Specific Functional Micro-domain of the Neocortex by Combining Intrinsic Signal and Two-photon Imaging
Published on: December 12, 2012
13.7K
