用作衍射光学神经网络中非线性激活函数的表面法向光电探测器
光学
2023-05-08 v1 新兴技术
摘要
与传统数字电子系统相比，光学神经网络（ONNs）能够实现高速并行且节能的处理。然而，实现大规模系统仍是一个开放问题。在各种集成与非集成ONNs中，自由空间衍射ONNs受益于空间光调制器的大量像素，可实现数百万个神经元。然而，通常由相机传感器实现的非线性激活函数消耗了相当大比例的计算时间与能量。在此，我们提出一种具有非线性响应的新型表面法向光电探测器（SNPD）来替代相机传感器，其响应速度约快三个数量级（响应时间5.7 μs）、能效更高（低于10 nW/像素）。直接高效的垂直光耦合、偏振不敏感性、无需控制电子器件的固有非线性、低光功率需求，以及实现大规模阵列的可能性，使SNPD成为衍射ONNs中一种有前景的非线性激活函数。为展示其适用性，我们利用SNPD实测响应进行了MNIST与Fashion MNIST数据集的成功分类仿真，其精度与理想ReLU函数相当。
引用
@article{arxiv.2305.03627,
title = {A surface-normal photodetector as nonlinear activation function in diffractive optical neural networks},
author = {Farshid Ashtiani and Mohamad Hossein Idjadi and Ting-Chen Hu and Stefano Grillanda and David Neilson and Mark Earnshaw and Mark Cappuzzo and Rose Kopf and Alaric Tate and Andrea Blanco-Redondo},
journal= {arXiv preprint arXiv:2305.03627},
year = {2023}
}