基于微腔激子-极化子的节能神经网络推理
光学
2021-08-31 v1 新兴技术
摘要
我们提出以极高推理能效和性能密度为特征的全光学神经网络。我们认为，使用微腔激子-极化子能够以无缝方式利用光子与电子两者的特性。这产生了无需光电转换的强光学非线性。我们提出了一种现实神经网络的设计，并估计其能量消耗在每比特阿焦级别，即使在包含网络输入和输出的光电转换时亦如此，比最先进硬件实现低数个数量级。我们提出了两种基于光学相移与干涉或基于极化子自旋旋转的非线性二值化节点。
引用
@article{arxiv.2108.12648,
title = {Energy-efficient neural network inference with microcavity exciton-polaritons},
author = {M. Matuszewski and A. Opala and R. Mirek and M. Furman and M. Król and K. Tyszka and T. C. H. Liew and D. Ballarini and D. Sanvitto and J. Szczytko and B. Piętka},
journal= {arXiv preprint arXiv:2108.12648},
year = {2021}
}