多层非线性衍射神经网络具有可编程和快速的 ReLU 激活功能
Yu Ming Ning1,2,3, Qian Ma4,5, Qiang Xiao1,2
1State Key Laboratory of Millimeter Waves and Institute of Electromagnetic Space, Southeast University, Nanjing, China.
Nature communications
|November 24, 2025
概括
我们使用可编程元表面开发了一个新的微波非线性神经网络. 这一创新显著提高了机器学习应用程序的速度和功耗,如图像分类.
科学领域:
- 人工智能的人工智能
- 电磁学 电磁学 电磁学 电磁学
- 材料科学 材料科学 材料科学
背景情况:
- 光学衍射神经网络提供了速度和能源效率的增长.
- 非线性激活函数带来了延迟和高功耗等挑战,阻碍了实际部署.
研究的目的:
- 提出一个可编程的多层全空间非线性神经网络,在微波频段运行.
- 克服神经网络中现有的非线性激活函数的局限性.
主要方法:
- 使用与射频组件集成的可编程元表面构建非线性层.
- 实现了一个类似ReLU的非线性激活功能.
- 在微波频段中运行系统.
主要成果:
- 实现了纳秒级延迟 (17.7 ns),比光电方法快得多.
- 证明了具有低值的可重新配置的非线性激活功能.
- 展示了有效的图像分类和实时人体姿势识别.
结论:
- 拟议的微波非线性神经网络提供低延迟,高速和低功耗.
- 灵活的非线性激活功能使其对各种应用具有前景.
- 这种架构促进了高效机器学习的实际部署.
