用于神经网络计算的自注入锁定大面半导体激光器的计算度量与参数
新兴技术
2021-12-17 v1
摘要
人工神经网络已成为许多领域中的主流计算技术。然而，它们在信息处理方式与经典计算硬件存在根本差异。神经网络架构的光子实现在速度、处理并行性、可扩展性和能效方面相较电子对应物具有潜在根本优势。可扩展高性能光子神经网络（PNNs）已被证实，但仍属稀缺。本工作中，我们研究基于大面垂直腔面发射激光器（LA-VCSEL）的这种可扩展、全并行且自治PNN的性能。我们展示了性能如何随不同物理参数变化，即注入波长、注入功率与偏置电流。此外，我们将这些物理参数与一致性和维度的一般计算度量相关联。我们提出了一种在受噪声影响的高维非线性系统中度量维度的一般方法，可应用于神经形态计算背景下的许多系统。我们的工作将为未来空间复用VCSEL PNN的实现提供指导。
引用
@article{arxiv.2112.08947,
title = {Computational metrics and parameters of an injection-locked large area semiconductor laser for neural network computing},
author = {Anas Skalli and Xavier Porte and Nasibeh Haghighi and Stephan Reitzenstein and James A. Lott and D. Brunner},
journal= {arXiv preprint arXiv:2112.08947},
year = {2021}
}