面向光子神经网络的全部光学非线性激活函数
应用物理
2018-10-09 v3 无序系统与神经网络
光学
摘要
随着近期神经网络（NN）在执行机器学习任务上的成功，基于光子的 NN 设计可望实现高吞吐量和低功耗的神经形态计算范式，因为它们绕过了电容导线的寄生充电。因此，工程化能够以高效率执行 NN 算法的数据信息处理器，对于从模式识别到分类的应用至关重要。我们的假设是：若将当前光子 NN 设计中限制时间的电光转换推迟到网络最末端，则光子算法的执行时间仅为光子穿过 NN 的飞行时间延迟，对于集成光子学而言该量级为皮秒。为探索此类全光 NN，本文讨论了基于纳米光子结构实现光学感知机非线性激活函数的两种独立方法，这些结构分别展现 i) 诱导透明和 ii) 反饱和吸收。我们的结果表明，所考虑的两个系统的全光非线性分别提供约 3 和 7 dB 的消光比，并且在一个示例性 MNIST 任务中分类准确率分别为 97% 和接近 100%，可与基于软件的已训练 NN 相媲美，尽管忽略了网络中的噪声。结合所开发的全光感知机概念，这些发现指向实现纯光子 NN 的可能性，其对于下一代信息处理硬件具有潜在无与伦比的吞吐量和甚至能耗。
引用
@article{arxiv.1810.01216,
title = {All-optical Nonlinear Activation Function for Photonic Neural Networks},
author = {Mario Miscuglio and Armin Mehrabian and Zibo Hu and Shaimaa I. Azzam and Jonathan K. George and Alexander V. Kildishev and Matthew Pelton and Volker J. Sorger},
journal= {arXiv preprint arXiv:1810.01216},
year = {2018}
}