用于深度学习光学神经网络的11 TeraFLOPs每秒光子卷积加速器
神经与进化计算
2021-02-19 v1 应用物理
光学
摘要
受生物视觉皮层系统启发的卷积神经网络（CNNs）是一类强大的人工神经网络，可以提取原始数据的层次特征，从而大大降低网络参数复杂度并提高预测精度。它们对计算机视觉、语音识别、下棋和医疗诊断等机器学习任务具有重要意义。光学神经网络有望大幅加速计算速度，以克服电子学固有的带宽瓶颈。在此，我们展示了一种通用光学矢量卷积加速器，其运行速度超过10 TeraFLOPS（每秒浮点运算次数），以8位分辨率同时生成250,000像素图像的卷积和10个核，足以用于人脸图像识别。然后我们使用相同硬件顺序形成一个具有十个输出神经元的深度光学CNN，使用900像素手写数字图像成功识别全部10个数字，准确率达88%。我们的结果基于由集成微梳源实现的 temporal、波长和空间维度的同时交织。该方法可扩展且可训练到更复杂的网络，用于无人驾驶车辆和实时视频识别等苛刻应用。
引用
@article{arxiv.2011.07393,
title = {11 TeraFLOPs per second photonic convolutional accelerator for deep learning optical neural networks},
author = {Xingyuan Xu and Mengxi Tan and Bill Corcoran and Jiayang Wu and Andreas Boes and Thach G. Nguyen and Sai T. Chu and Brent E. Little and Damien G. Hicks and Roberto Morandotti and Arnan Mitchell and David J. Moss},
journal= {arXiv preprint arXiv:2011.07393},
year = {2021}
}
备注
21 pages, 9 figures, 39 references