基于自由空间光学的双向光学神经网络使用镜头阵列和空间光调制器
1Department of Physics Education, Kyungpook National University, 80 Daehak-ro, Buk-gu, Daegu 41566, Republic of Korea.
Micromachines
|June 27, 2024
概括
这项研究介绍了一种新的双向光学神经网络 (BONN) 架构,使得对人工神经网络 (ANN) 算法如反向传播至关重要的后向连接成为可能. 博恩提供高吞吐量和潜在的紧,高效的监督学习硬件.
科学领域:
- 光电学是指光电子产品.
- 人工智能的人工智能
- 神经网络架构 神经网络架构
背景情况:
- 传统的人工神经网络 (ANN) 主要利用前向连接,限制了它们在监督学习算法的效率.
- 实现反向连接对于像反向传播这样的算法至关重要,通常需要复杂的电子电路.
- 光学神经网络为高速计算提供了潜力,但通常缺乏固有的双向能力.
研究的目的:
- 引入一种新的双向光学神经网络 (BONN) 架构.
- 为了能够有效地实现需要向后连接的算法,例如反向传播.
- 探索BONN在增强监督学习和硬件紧性方面的潜力.
主要方法:
- 开发一种新的BONN架构,结合激光二极管和光二极管.
- 使用Köhler照明来建立用于向后信号传播的光学通道.
- 调查BONN的扩展限制,吞吐量和使用级联扩展和集群技术进行多层仿真的潜力.
主要成果:
- 博恩架构成功地为ANN提供了双向功能.
- 实现了输入/输出数组的96x96的缩放限制和8.5 x 10^15 MAC/s的吞吐量.
- 通过集群技术克服扩展限制并实现完全互连的潜在潜力.
结论:
- 博恩架构为实现双向ANN提供了一个有前途的解决方案.
- 博恩的双向性质增强了监督学习,并增加了硬件紧性.
- 需要进一步开发,包括快速空间光调节器,以实现最佳的反向传播算法吞吐量缩放.
