全光非线性激活功能基于受刺激的Brillouin散射.

科学领域:

• 光子学 是一个光子学.
• 人工智能的人工智能
• 非线性光学是非线性光学.

背景情况:

• 光学神经网络 (ONN) 承诺克服数字电子中的计算瓶.
• 在ONN开发中的一个关键挑战是缺乏高效的光子激活功能.
• 目前的方法通常涉及光电子转换,否定光子优势,如连贯和频率多重编码.

研究的目的:

• 通过实验证明一种新的光子非线性激活函数.
• 克服光神经网络中光电子转换的局限性.
• 为了使高性能,深度光学神经网络的发展.

主要方法:

• 利用刺激的Brillouin散射来创建一个非线性光学效应.
• 实现了一个全光学调机制,用于激活功能的形状.
• 实现的净利,以补偿插入损失.

主要成果:

• 证明了连贯和频率选择性的光子激活功能.
• 成功调整了激活功能,以显示LeakyReLU,Sigmoid和方形形状.
• 实现了高达20dB的净增益,弥补了插入损失.

结论:

• 展示的光子非线性激活功能解决了光学神经网络中的关键瓶.
• 这种全光学方法保留了光子学在信息编码方面的优势.
• 该技术为实现深度光学神经网络铺平了道路.