概括
我们开发了一种新的光学计算核心,使用相变数字元表面来实现节能神经网络. 这种可编程设备为高级计算应用提供了高精度和可扩展性.
科学领域:
- 光子学和材料科学 材料科学
- 光学计算是指光学计算的应用.
- 非易失性存储器件设备
背景情况:
- 光学神经网络 (ONN) 需要节能且可扩展的计算核心.
- 现有的解决方案在重新配置和功耗方面面临挑战.
- 换相材料为光学设备提供了有前途的非挥发性特性.
研究的目的:
- 为光学计算引入可编程的非挥发性卷积核心.
- 为了利用子波长相变的数字元表面来提高性能.
- 为了实现节能和可扩展的光学神经网络.
主要方法:
- 使用亚波长Sb2Se3圆柱形阵列用于元表面制造.
- 实现了用于非挥发性可编程性的数字架构.
- 采用激光直接写作技术进行系统验证和修剪.
主要成果:
- 实现了增强的重量区分能力和减少插入损失.
- 显示了广泛的重量范围 (0.1到0.93),每单位超过六个级别.
- 经过验证的2位数字重配置性和零静电后修剪功能.
结论:
- 开发的卷积核心为高精度光学计算提供了一个有希望的途径.
- 阶段变换材料和数字架构的整合解决了关键的ONN要求.
- 这项技术为像图像识别这样的应用提供了可扩展和节能的解决方案.


