概括
我们使用混合集成激光阵列开发了一个紧的光子卷积加速器. 该设备在MNIST数据集上实现了高速实时图像分类,准确度为93.86%.
科学领域:
- 光电学是指光电子产品.
- 人工智能的人工智能
- 综合光子学 综合光子学
背景情况:
- 卷积神经网络 (CNN) 对于图像分类至关重要.
- 对CNN的光学实现提供了高速和低功耗的潜力.
- 混合集成平台是复杂光子系统的关键.
研究的目的:
- 提出和演示一个紧而高效的光子卷积加速器.
- 为了利用多波长DFB激光阵列的混合集成,用于光学计算.
- 使用开发的光子加速器实现实时图像分类.
主要方法:
- 利用光子电线结合用于DFB激光阵列的混合集成.
- 设计并实施了一种光子卷积加速器架构.
- 在3x3内核操作中以60.12GOPS运行加速器.
- 在MNIST数据集上进行实时图像分类.
主要成果:
- 展示了一个紧而高效的光子卷积加速器.
- 实现了500张图像的实时图像分类.
- 在MNIST手写数字数据库上实现了93.86%的预测准确度.
- 展示了光学CNN混合集成平台的可行性.
结论:
- 拟议的光子卷积加速器是紧而高效的.
- 使用光子电线结合的混合集成使先进的光学CNN成为可能.
- 这项技术为高性能光学计算和AI加速提供了一个有前途的途径.
