用于低时延卷积运算的非线性光学联合变换相关器
光学
2022-06-15 v2
摘要
卷积是人工智能(AI)系统中最相关的运算之一。高计算复杂度随数据规模的增长带来了显著挑战,尤其在快速响应的网络边缘 AI 应用中。幸运的是,卷积定理可在光学域中通过联合变换相关器(JTC)实时执行,从而从根本上降低计算复杂度。然而,经典 JTC 的迭代两步过程使其不实用。在此,我们引入一种新型光学卷积处理器实现,其利用 JTC 内的全光非线性实现近零时延,从而最小化电子信号或转换延迟。从根本上,我们展示了该非线性自相关器如何将处理二维数据的高 复杂度缩放降低至仅 。此外,该光学 JTC 以时间并行方式处理数百万通道,非常适于大矩阵机器学习任务。作为示例,利用四波混频的非线性过程,我们展示了光处理执行完整卷积,其时间仅受透镜几何特征与非线性材料响应时间的限制。我们进一步讨论,当由慢光效应(如 epsilon-near-zero)增强时,全光非线性展现出超过 的增益。这种具有低时延和非迭代海量数据并行性的机器学习加速器新实现,凭借根本性的降低复杂度缩放,对网络边缘和云 AI 系统具有重要前景。
引用
@article{arxiv.2202.06444,
title = {Nonlinear Optical Joint Transform Correlator for Low Latency Convolution Operations},
author = {Jonathan K. George and Maria Solyanik-Gorgone and Hangbo Yang and Chee Wei Wong and Volker J. Sorger},
journal= {arXiv preprint arXiv:2202.06444},
year = {2022}
}