多维可重构、物理可组合的混合衍射光学神经网络
光学
2024-11-11 v1 人工智能
硬件体系结构
摘要
衍射光学神经网络（DONN）利用自由空间光波传播实现超并行、高效率计算，已成为有前景的人工智能（AI）加速器。然而，其固有的不可重构性——由于制造后光学结构固定——阻碍了在动态 AI 工作负载和不断演进的应用中的实际部署。为克服这一挑战，我们首次提出了一种多维可重构混合衍射光神经网络系统（MDR-HDONN），一种物理可组合的架构，为 DONN 解锁了新的自由度和前所未有的通用性。通过充分利用系统的可学习性，MDR-HDONN 重新利用了固定的制造光学硬件，通过系统变量的可微分学习实现了指数级扩展的功能和优越的任务适应性。此外，MDR-HDONN 采用混合光学/光子设计，结合了集成光子学的可重构性与自由空间衍射系统的超并行性。广泛的评估表明，MDR-HDONN 在各种任务适应上具有数字可比的精度，同时速度提升 74 倍、能耗降低 194 倍。与先前的 DONN 相比，MDR-HDONN 展现出指数级更大的功能空间，训练速度提升 5 倍，为 versatile、可组合、混合光学/光子 AI 计算的新范式铺平了道路。我们将开源我们的代码。
引用
@article{arxiv.2411.05748,
title = {Multi-Dimensional Reconfigurable, Physically Composable Hybrid Diffractive Optical Neural Network},
author = {Ziang Yin and Yu Yao and Jeff Zhang and Jiaqi Gu},
journal= {arXiv preprint arXiv:2411.05748},
year = {2024}
}
备注
7 pages