使用自主光电子树突单元的Hebbian学习进行温度稳定
Silvia Ortín1, Moritz Pflüger1, Apostolos Argyris2
1Instituto de Física Interdisciplinar y Sistemas Complejos, IFISC (UIB-CSIC), Ctra. de Valldemossa, km 7.5, Palma, 07122, Spain.
Frontiers of optoelectronics
|April 2, 2025
概括
这项研究展示了一种基于光纤的光学树突单元 (ODU),能够自主学习实时控制任务. 该系统有效地稳定温度干扰,使用高速度的Hebbian学习原理.
科学领域:
- 光电学是指光电子产品.
- 机器学习 机器学习
- 计算神经科学是一种神经科学.
背景情况:
- 机器学习和光电子技术的融合有望实现由生物启发的高速计算.
- 适应性光子系统对于开发先进的人工智能硬件至关重要.
研究的目的:
- 开发和实验验证一种基于光纤的光学树突单元 (ODU),具有适应性可塑性,用于学习和控制任务.
- 在封闭循环光电子系统中实现Hebbian学习原则,以实现自主实时适应.
主要方法:
- 基于纤维的实验树突结构被用作光学树突单元 (ODU).
- 嵌入在ODU中的闭环控制器包含了Hebbian学习原理 (输入相关性规则).
- 该系统以1GHz的信号和采样速率运行,可塑性通过半导体光学放大器进行调制.
主要成果:
- 光学树突单元 (ODU) 通过调整其物理基板特性来证明了自主学习.
- 该系统在假设的稳定任务中有效地减轻了温度干扰,确保了强大的性能.
- 尽管参数变化,但输入相关性 (ICO) 学习规则确保了稳定的运行.
结论:
- 开发的系统展示了实时自适应控制中的全硬件解决方案的潜力.
- 优化反循环速度和整合ICO规则可以实现持续稳定.
- 这项研究为1GHz实时学习和控制平台铺平了道路.
