概括
本研究介绍了用于光学神经网络 (ONN) 的紧型石墨烯波导交换机阵列. 这一创新使得高速,低功耗和集成的神经网络计算具有可调节的突触权重.
科学领域:
- 光子学 是一个光子学.
- 纳米技术 纳米技术
- 人工智能的人工智能
背景情况:
- 光学神经网络 (ONN) 承诺高效的并行处理和低功耗.
- 目前的ONN设计与小型化,稳定性和整合性挑战作斗争.
- 需要先进的材料和设计来克服这些局限性.
研究的目的:
- 为全光神经网络提出一种新的石墨烯表面等离子体极子子 (GSPP) 波导交换机阵列.
- 展示一个紧且可调节的平台来模拟突触权重.
- 在基准数据集上评估拟议的ONN架构的性能.
主要方法:
- 设计和模拟GSPP波导交换机阵列,侧面面积为0.045μm2.
- 在30.2至49.4 THz的频率范围内对传输速率可调的数值分析.
- 在CIFAR-10数据集上实现和测试图像识别阵列.
主要成果:
- 从0到0.875实现了可调节的传输速率,有效模拟了突触重量.
- 在CIFAR-10数据集上证明了93.83%的高识别准确性.
- 紧的设计促进了先进计算的集成和可扩展性.
结论:
- GSPP波导交换机阵列为小型化,稳定和可调节的ONN提供了一个有前途的解决方案.
- 这项技术可以为下一代高速,低功耗和集成神经网络硬件铺平道路.
- 进一步的研究可以探索先进的功能和更大规模的实施.
