使用多波长衍射深度神经网络进行光学多任务学习

科学领域:

• 神经形态光子计算的神经形态光子计算
• 光学的人工智能 (AI)
• 衍射深度神经网络 (D2NN) 是一种深度神经网络.

背景情况:

• 现有的光子神经网络仅限于单个任务,阻碍了并行处理.
• 当前架构中的任务竞争在尝试多任务学习时会降低性能.
• 需要能够同时处理多个AI任务的集成光学系统.

研究的目的:

• 提出一个新的光学多任务学习系统,使用多波长D2NN.
• 在单个单一的系统中展示多个AI任务的并行处理.
• 为了提高光子AI的计算吞吐量和准确性.

主要方法:

• 设计了多波长衍射深度神经网络 (D2NN),并进行了联合优化.
• 编码的多任务输入到不同的多波长通道.
• 使用了包括MNIST,FMNIST,KMNIST和EMNIST在内的数据集进行分类任务.

主要成果:

• 多波长D2NN在相同网络大小的多任务准确性方面明显优于单波长D2NN.
• 拟议的系统有效地减轻了任务竞争,使高精度并行处理成为可能.
• 较大的多波长D2NN可以达到与单独训练的单波长网络相提并论的准确性.

结论:

• 多波长D2NN为高通量光学多任务学习提供了可行的解决方案.
• 这种方法为神经形态光子计算中的波长分割复杂化铺平了道路.
• 开发的系统推动了能够并行执行任务的通用AI系统的发展.