使用尖端纳米激光器进行超快速神经采样

科学领域:

• 神经形态计算是一种神经形态计算.
• 光子学 是一个光子学.
• 人工智能的人工智能是人工智能.

背景情况:

• 光学神经形态系统在带宽,功率效率和延迟方面比数字电子产品具有优势.
• 最近已经证明,光子晶体纳米激光器表现出易受刺激的行为,在纳秒时间尺度上发射光脉冲 (尖峰).

研究的目的:

• 从理论上证明使用光子尖端神经元网络用于贝叶斯推理.
• 从传统的采样网络推导转换规则到光子尖端网络.
• 评估这些系统对于生成任务的潜力,并将其性能与现有的神经形态系统进行比较.

主要方法:

• 从博尔兹曼机器转换规则的理论推导到光子尖端网络.
• 使用模拟的光子尖端神经元网络,在各种生成任务中展示功能.
• 对拟议的光学神经形态系统的处理速度和功耗的估计.

主要成果:

• 光子尖端神经元的网络可以通过从学习的概率分布中抽取样本来执行贝叶斯推理.
• 拟议的系统在一系列生成任务中展示了功能.
• 与当前最先进的神经形态系统相比,在处理速度和功耗方面预计会有数量级的改进.

结论:

• 光子尖端神经元网络代表了在神经形态计算中有效的贝叶斯推理的有希望的途径.
• 开发的翻译规则允许在光学硬件上执行复杂的AI任务.
• 这项工作突出了光学神经形态系统显著进步的潜力.