具有原子非线性的光学卷积神经网络
光学
2023-05-17 v1 新兴技术
摘要
由于其高度并行性、快速处理速度和低功耗，模拟光学功能元件为实现神经形态计算机硬件提供了有趣途径。例如，卷积神经网络可通过利用合适设计的光学装置的傅里叶变换特性来实现模拟光学实现。然而，为此类神经网络高效实现光学非线性仍具挑战。在本工作中，我们报道了一个三层光学卷积神经网络的实现与表征，其中线性部分基于 4f 成像系统，光学非线性通过铯原子蒸气池的吸收轮廓实现。该系统对手写数字数据集 MNIST 的分类准确率达 83.96%，与相应模拟结果吻合良好。因此，我们的结果证明了在神经网络架构中利用原子非线性实现低功耗的可行性。
引用
@article{arxiv.2301.09994,
title = {Optical convolutional neural network with atomic nonlinearity},
author = {Mingwei Yang and Elizabeth Robertson and Luisa Esguerra and Kurt Busch and Janik Wolters},
journal= {arXiv preprint arXiv:2301.09994},
year = {2023}
}