使用两个输出探测器在前光子网络中的功率监测

科学领域:

• 光子学是指光子学的使用方法.
• 光学计算是指光学计算.
• 机器学习 机器学习

背景情况:

• 可编程的前光子网是经典和量子计算的关键.
• 光子神经网络为复杂的任务提供了节能计算.
• 校准和培训需要内部光功率监测和梯度测量.

研究的目的:

• 设计和实验验证一个新的架构,用于在前传光子电路中进行非侵入性功率监测.
• 为了实现光子神经网络的高效训练和优化.

主要方法:

• 设计了一个新的内部光功率监控架构.
• 该方案是在一个6x6三角网状光子芯片上实现的.
• 在3x3网格中的光学功率是通过两个输出探测器的响应测量来解决的.

主要成果:

• 该架构在没有内部电源水龙头的情况下对波导段进行非侵入性监控.
• 在1000个试验中,平均误差约为3%.
• 该程序通过模拟证明了可扩展到更多模式的可扩展性.

结论:

• 开发的方法为光子电路提供了有效的内部光功率监测.
• 这可以提高光子神经网络的校准和训练.
• 该技术具有可扩展性,适用于各种光子计算应用.