概括
本研究介绍了使用二进制元表面的芯片上的衍射光学神经网络. 这种紧的设备在模拟中在虹膜数据集上实现了90%的准确性,证明了高效光学计算的潜力.
科学领域:
- 光电学是指光电子产品.
- 纳米光子学 纳米光子学
- 人工智能的人工智能
背景情况:
- 衍射光学神经网络 (ONN) 为紧和高效的光学计算提供了一个有前途的途径.
- 超表面为操纵纳米尺度光线提供了一个多功能平台,使新的光学功能成为可能.
- 将ONN与超表面集成,可以导致用于复杂计算任务的微型设备.
研究的目的:
- 提出并研究使用二进制元表面实现的芯片上的衍射光学神经网络 (d-ONN).
- 使用先进的计算方法,优化二进制元表面以实现紧的尺寸和高性能.
- 为了证明d-ONN在执行现实世界分类任务方面的能力.
主要方法:
- 利用遗传算法 (GA) 来优化二进制地表设计.
- 使用有限差异时间域 (FDTD) 方法进行精确的光学模拟.
- 在在绝缘体 (SOI) 平台上设计和制造单层d-ONN.
主要成果:
- 获得了一个紧的单层d-ONN,面积为16.5μm × 23μm.
- 在Iris数据集分类任务中实现了90.0%的模拟验证准确率.
- 制造的设备显示测量验证准确率为78.3%.
结论:
- 基于二进制元表面的拟议的芯片上的衍射光学神经网络对于分类任务是有效的.
- 优化方法 (GA和FDTD) 允许设计紧且高性能的d-ONNs.
- 虽然模拟结果是有希望的,但需要进一步改进,以弥合模拟和测量性能之间的差距.
