相关实验视频
Updated: Jan 11, 2026
08:44
Fabrication and Testing of Photonic Thermometers
Published on: October 24, 2018
6.2K
概括
这项研究提出了一个可重新配置的光子测试台,用于更快,更便宜的神经形态系统开发. 它的模块化设计和先进组件使得高精度的人工智能推断和信号处理成为可能,克服了传统的局限性.
科学领域:
- 光子学是指光子学的使用方法.
- 神经形态工程的神经形态工程
- 集成电路 集成电路
背景情况:
- 传统的光子集成电路 (PIC) 面临着高成本和不灵活性,限制了神经形态系统的开发.
- 需要适应性平台来加速光子处理器的设计和部署.
研究的目的:
- 引入一个可重新配置的测试平台,用于原型化先进的光子处理器.
- 为了证明一个成本效益和可扩展的解决方案,用于神经形态系统的发展.
主要方法:
- 使用模块化,可热交换的光纤合架构.
- 集成的基于MEMS的可变光学减弱器 (VOA) 用于重量调整和波长分割复杂化 (WDM) 用于并行处理.
- 通过仔细校准,实现了5.85位的精度.
主要成果:
- 在有限脉冲响应 (FIR) 过和2D图像卷积中证明了低根平均平方误差 (RMSE).
- 在使用ResNet-18模型,与数字系统相比,在ImageNet子集上实现了75%的准确性.
- 验证了平台的多功能性,可扩展性和成本效益.
结论:
- 开发的测试平台显著降低了光子处理器设计中的障碍.
- 该平台支持实时信号处理和AI推断的高保真操作.
- 这种可重新配置的系统加速了神经形态光子技术的采用.
