相关实验视频
Updated: Jan 10, 2026
11:23
Lensless Fluorescent Microscopy on a Chip
Published on: August 17, 2011
18.1K
高计算密度纳米光子介质用于机器学习推断
Zhenyu Zhao1, Yichen Pan1, Jinlong Xiang1
1State Key Laboratory of Photonics and Communications, School of Information Science and Electronic Engineering, Shanghai Jiao Tong University, Shanghai, China.
Nature communications
|November 21, 2025
概括
研究人员使用纳米光子介质开发了超紧的光学神经网络,用于高效的机器学习推断. 这一突破使密集,低功耗的人工智能 (AI) 处理器用于下一代应用程序.
科学领域:
- 光子学 是一个光子学.
- 人工智能的人工智能
- 材料科学 材料科学 材料科学
背景情况:
- 有效的机器学习推断对于人工智能采用至关重要.
- 芯片上的光学计算提供了低功耗,但面临着小型化挑战.
- 传统的光学神经网络缺乏计算密度.
研究的目的:
- 在纳米光子介质中展示制造受限散射光学计算.
- 为了实现超紧的光学神经架构.
- 为了克服光学计算中的小型化局限性.
主要方法:
- 用于纳米光子介质的制造意识反向设计.
- 在这些介质中开发了散射光学计算.
- 制造的超紧的光学神经架构 (64μm2).
主要成果:
- 在原型的虹膜数据集上实现了86.7%的准确性.
- 通过8x8手写数字光学字符识别设计证明了可扩展性.
- 在光学字符识别方面达到92.8%的测试准确度.
结论:
- 纳米光子介质使得在极小的足迹中实现大规模的人工智能任务.
- 开发的方法为密集,节能的光学处理器铺平了道路.
- 这项研究为下一代人工智能推进光学计算.
