概括
我们开发了一种新的黑子方法,使用并联神经网络快速确定可编程光子集成电路 (PPIC) 的电压配置. 这推动了光学矩阵乘法技术的发展.
科学领域:
- 光子学 是一个光子学.
- 人工智能的人工智能
- 光学计算是指光学计算的应用.
背景情况:
- 可编程光子集成电路 (PPIC) 对光学模拟矩阵乘法具有前景.
- 对于PPIC来说,高效的电压配置仍然是一个重要的发展挑战.
研究的目的:
- 提出一种快速的黑子方法,用于预测PPIC中任意矩阵的电压配置.
- 为了证明这种方法在光电混合动力模型中的实际应用.
主要方法:
- 为了预测电压配置的黑子预测,采用了并联神经网络方法.
- 实验验证是在4x4PPIC上进行的.
- 使用开发的方法实现了光电混合动力模型.
主要成果:
- 该方法在4x4PPIC上的10,000个矩阵中实现了0.989的平均保真度.
- 光电混合动力模型在MNIST数据集上获得了97.59%的训练精度.
结论:
- 拟议的黑子方法有效地预测PPIC的电压配置,克服了一个关键的挑战.
- 这种方法可以实现高效的光学矩阵乘法,并促进先进的光电混合系统的开发.
更多相关视频
10:32Design, Surface Treatment, Cellular Plating, and Culturing of Modular Neuronal Networks Composed of Functionally Inter-connected Circuits
Published on: April 15, 2015
8.4K
10:18Photodiode-Based Optical Imaging for Recording Network Dynamics with Single-Neuron Resolution in Non-Transgenic Invertebrates
Published on: July 9, 2020
2.8K
