相关实验视频
Updated: Jun 22, 2025
06:42
Generation and Coherent Control of Pulsed Quantum Frequency Combs
Published on: June 8, 2018
9.0K
基于光纤中分布式反的光子下一代储计算机
Nicholas Cox1, Joseph Murray1, Joseph Hart1
1U.S. Naval Research Laboratory, 4555 Overlook Ave., SW, Washington, DC 20375, USA.
Chaos (Woodbury, N.Y.)
|July 2, 2024
概括
这项研究介绍了一种新的光子下一代储计算机 (NG-RC),它绕过了传统的光腔. 这种光纤系统实现了复杂的动态系统的先进预测,具有低延迟和功率.
科学领域:
- 光学和光子学 在光学和光子学.
- 机器学习 机器学习
- 动态系统分析 动态系统分析
背景情况:
- 储计算 (RC) 是一种强大的机器学习技术,用于分析动态系统.
- 光子RC提供低延迟预测,但受到物理空洞的限制,阻碍了记忆控制,需要长时间的升温时间.
- 现有的光子RC在记忆结构控制和暂时消除方面面临挑战,因为它们依赖于非线性物理空洞.
研究的目的:
- 开发一台光子下一代储计算机 (NG-RC),克服基于腔体的光子RCs的局限性.
- 为了展示光子NG-RC的光纤平台,消除了对物理腔的需求.
- 使用新型光子NG-RC. 在复杂的动态系统上实现高性能预测任务.
主要方法:
- 使用光纤平台构建光子NG-RC,避免了非线性物理腔的需要.
- 特性向量是通过不同延迟的输入数据的非线性组合生成的.
- 采用雷利反向散射和连贯的,干扰测量混合,然后进行二次读取,以产生输出特征向量.
主要成果:
- 光子NG-RC在观察者 (交叉预测) 任务上展示了对Rössler,Lorenz和Kuramoto-Sivashinsky系统的最先进的性能.
- 该系统成功地生成了没有物理空腔的特征向量,利用了非常规的非线性.
- 该方法显示了可扩展到高维系统的可扩展性,同时保持低延迟和低功耗,优于数字实现.
结论:
- 在光纤平台上开发的光子NG-RC有效地解决了传统基于腔体系统的局限性.
- 这种新的方法为使用光学进行低延迟,低功耗和高维动态系统分析提供了有希望的解决方案.
- 该研究强调了光纤和非传统非线性在先进机器学习应用中的潜力.
