AnalogVNN：一个用于建模与优化光子神经网络的完全模块化框架
机器学习
2023-12-29 v2 新兴技术
光学
摘要
AnalogVNN 是一个基于 PyTorch 构建的仿真框架，能够模拟光子神经网络加速器中存在的光电噪声、有限精度和信号归一化效应。我们利用该框架训练并优化了层数多达 9 层、参数约 170 万的线性和卷积神经网络，同时深入了解了归一化、激活函数、降低的精度以及噪声如何影响模拟光子神经网络中的准确率。通过遵循 PyTorch 中已有的层结构设计，AnalogVNN 框架允许用户仅用几行代码将大多数数字神经网络模型转换为其模拟对应物，并充分利用 PyTorch 提供的开源优化、深度学习和 GPU 加速库。代码见 https://analogvnn.github.io
引用
@article{arxiv.2210.10048,
title = {AnalogVNN: A fully modular framework for modeling and optimizing photonic neural networks},
author = {Vivswan Shah and Nathan Youngblood},
journal= {arXiv preprint arXiv:2210.10048},
year = {2023}
}
备注
28 pages; replace figure 6C; better format; updated links