基于光子平台相变材料的全光卷积神经网络
1Department of Communications and Electronics, School of Electrical and Computer Engineering, Shiraz University, Shiraz, Iran.
Scientific reports
|July 2, 2025
概括
这项研究介绍了一种全光卷积神经网络,使用光子学来实现高效的AI. 新的设计简化了复杂性,并在数据分类任务中实现了高精度.
科学领域:
- 光子学是指光子学的使用方法.
- 人工智能的人工智能
- 计算机工程 计算机工程
背景情况:
- 当前的神经网络通常依赖于复杂的电子元件.
- 集成的光学元件提供了降低功耗和提高速度的潜力.
- 光子学为光学设备制造提供了一个成熟的平台.
研究的目的:
- 设计和模拟一个集成的全光卷积神经网络 (CNN).
- 使用光子学实现卷积,最大聚合和完全连接的层.
- 为了减少整体网络的复杂性和对电光元件的依赖.
主要方法:
- 网络层使用基于GST的活波导.
- 在使用正核值的卷积层中减轻了ReLU要求.
- 采用有限差异时间域 (FDTD) 方法和合模式理论进行模拟.
- 使用Python编程验证网络性能.
主要成果:
- 在MNIST数据分类中实现了91.90%的准确性.
- 在信号调制识别中证明了80%的准确性 (RML2016.10a数据集).
- 全光学CNN设计显示了与电子对应产品相比较的性能,复杂性降低.
结论:
- 拟议的综合全光学CNN提供了简化和高效的设计.
- 光子平台使复杂的神经网络层的完全光学实现成为可能.
- 这种方法为高性能,低复杂度的光学计算铺平了道路.


