自由空间光脉冲神经网络
光学
2025-01-03 v1 神经与进化计算
摘要
神经形态工程已成为开发受脑启发计算系统的有前景途径。然而，传统基于电子的 AI 处理器常遇到与处理速度和热耗散相关的挑战。作为替代，此类处理器的光学实现被提出，以利用光固有的信息处理能力。在光学神经形态工程领域内，各种光学神经网络（ONNs）已被探索。其中，脉冲神经网络（SNNs）在模拟人脑计算原理方面表现出显著成功。尽管如此，光学 SNN 处理器的集成带来了巨大障碍，尤其是在处理大型数据集的计算需求时。为应对这些挑战，我们引入了一个开创性概念：自由空间光深度脉冲卷积神经网络（OSCNN）。这种新方法受人类眼睛计算模型的启发。我们精心设计了 OSCNN 中的各种光学组件，以在包括 MNIST、ETH 80 和 Caltech 在内的著名基准数据集上处理目标检测任务。我们的结果表明，与电子 ONN 对应物相比，其具有最小延迟与功耗的良好性能。此外，我们进行了若干相关模拟，如光强到延迟的转换与同步。尤其重要的是对采用 Gabor 滤波器组的特征提取层的评估，这将对多种 ONN 架构的实际部署产生重大影响。
引用
@article{arxiv.2311.04558,
title = {Free-Space Optical Spiking Neural Network},
author = {Reyhane Ahmadi and Amirreza Ahmadnejad and Somayyeh Koohi},
journal= {arXiv preprint arXiv:2311.04558},
year = {2025}
}