相关实验视频
Updated: Jun 21, 2026
08:48
Writing Bragg Gratings in Multicore Fibers
Published on: April 20, 2016
8.1K
改进了基于多通道集成光纤的全光子衍射神经网络.
Jiakang Zhu1,2, Qichang An1, Fei Yang1
1Changchun Institute of Optics, Fine Mechanics and Physics, Chinese Academy of Sciences, Changchun 130033, China.
iScience
|June 9, 2025
概括
我们开发了一种基于光纤的光网络,用于人工智能 (AI) 计算,克服了硬件的局限性. 这种创新方法可以减少人工智能模型的功耗和训练时间,从而实现高效的多维目标识别.
科学领域:
- 光学和光学工程的光学和光学工程.
- 人工智能硬件是人工智能的硬件.
- 机器学习基础设施的基础设施.
背景情况:
- 人工智能 (AI) 模型面临着不断升级的计算需求,超过目前的硬件进步.
- 大规模人工智能模型的高功耗和延长的训练时间需要替代的计算范式.
- 现有的光学计算解决方案,包括衍射深度神经网络 (D2NNs),存在部署挑战和对电子网络的依赖.
研究的目的:
- 为AI计算提出并验证一种基于光纤的新型光学网络架构.
- 为了克服传统光学网络中自由空间传播的局限性.
- 为了提高光学AI计算的效率,稳定性和部署性.
主要方法:
- 在光网络中以光纤为基础的传播取代了自由空间间层传播.
- 基于光纤的光网络的非线性映射能力的实验验证.
- 评估环境和噪声对目标识别性能的影响.
主要成果:
- 基于光纤的架构在各种配置中展示了强大的非线性映射功能.
- 对于三个输入目标,特别是在1550纳米波长时,实现了不同的输出.
- 环境因素和噪音对目标识别的影响最小,约有1%的影响.
结论:
- 拟议的基于光纤的光学网络为人工智能计算提供了实用且强大的解决方案.
- 该架构利用光谱歧视进行有效的多维目标识别.
- 这种方法对复杂的目标分类和先进的多维传感应用具有重大意义.
