相关实验视频
Updated: Mar 6, 2026
11:10
Fabrication and Operation of a Nano-Optical Conveyor Belt
Published on: August 26, 2015
12.1K
反向设计的纳米光子神经网络加速器用于超紧的光学计算.
Joel Sved1,2, Shijie Song1,2, Liwei Li1,2
1School of Electrical and Computer Engineering, The University of Sydney, Sydney, NSW, Australia.
Nature communications
|March 4, 2026
概括
研究人员开发了一种超紧的光子神经网络 (PNN) 加速器,用于节能光学计算. 这种反向设计的纳米光子设备实现了高计算密度,并在基准数据集上展示了令人印象深刻的分类准确性.
科学领域:
- 纳米光子学 纳米光子学
- 光学计算是指光学计算.
- 机器学习硬件 机器学习硬件
背景情况:
- 高密度光子集成对于扩展模拟光学计算至关重要.
- 反向设计为复杂任务提供了新纳米光子设备的途径.
研究的目的:
- 介绍一个逆向设计的光子神经网络 (PNN) 加速器.
- 为了实现超紧和节能的光学计算解决方案.
主要方法:
- 利用基于波的反向设计方法与3D有限差异时间域模拟.
- 通过光学连贯性利用麦克斯韦方程的线性进行空间场的重建.
- 处理了亚波长的voxels作为可训练的自由度,用于高计算密度.
主要成果:
- 实现了大约4亿个参数/mm2的计算密度.
- 在芯片上展示了MNIST和MedNIST分类,分别准确率为89%和90%.
- 实现PNN加速器的足迹小于20 × 20μm2.
结论:
- 建立了一个可扩展和节能的光子计算平台.
- 桥梁式反向纳米光子设计与高性能光学信息处理.
- 用纳米光子设备为先进的模拟光学计算铺平了道路.
