应用于高带宽分类的光子神经网络设计与控制
信号处理
2019-09-18 v2
摘要
神经网络能非常有效地进行多维非线性分类。然而,电子网络由于载流子寿命和电容耦合而受到显著的带宽限制。本项目研究光子神经网络,其利用微环谐振器在光域中同时执行激活函数和加权相加,从而规避这些限制。这些光学微环谐振器在不牺牲带宽的前提下同时提供非线性和优越的扇入。利用理论与仿真展示了热校准级联轴突与树突网络以及训练此类网络以解决非线性分类问题的能力。前者还在两通道轴突级联进两通道树突上进行了实验演示,显示出仿真与实验的良好一致性。此外,探讨了利用横模增大每个光子层规模的方法。确定使用这些模式的最优波导几何结构的仿真得到了实验验证。
引用
@article{arxiv.1810.06652,
title = {Design and Control of a Photonic Neural Network Applied to High-Bandwidth Classification},
author = {Ethan K. Gordon},
journal= {arXiv preprint arXiv:1810.06652},
year = {2019}
}
备注
Princeton University, Electrical Engineering Undergraduate Thesis, 23 figures, 32 pages + references / appendices. Advisor: Paul Prucnal v2: Updated author name