数字和等离子体人工神经网络 - 在高速和低复杂度的非线性信号处理中改进了非线性信号处理

科学领域:

• 光子学 是一个光子学.
• 人工智能的人工智能
• 信号处理 信号处理

背景情况:

• 随着数据速率的增加,需要先进的数字信号处理,从而导致更高的功耗和成本.
• 非线性信号扭曲在高速光通信系统中构成了重大挑战.

研究的目的:

• 引入一种新的光子/等离子体人工神经网络 (ANN),用于直接缓解非线性信号扭曲.
• 展示等离子体调制器在创建紧和高效的信号处理解决方案方面的潜力.

主要方法:

• 使用等离子调节器开发一个等离子ANN.
• 与数字前均等器,沃尔特拉系列和数字ANN相比,等离子ANN的性能比较.
• 在等离子体芯片上对ANN的实验执行.

主要成果:

• 等离子ANN实现了优越的信号噪声比率 (SNR) 与经典等效器相比,计算力度降低.
• 超紧的等离子ANN证明了高速运行,并显著降低了对电子处理的需求.
• 基于芯片的等离子ANN表现出了与最小组件相匹配的显著性能.

结论:

• 开发的等离子ANN为实现超紧,高速和高功率的信号处理提供了可行的途径.
• 这项技术为传统的电子信号处理方法提供了低延迟的替代方案.
• 等离子ANN对未来的光通信系统具有前景,要求更高的效率和性能.