基于时间合成维度的深度学习光学神经网络架构
光学
2023-02-16 v2
摘要
合成维度的物理概念近来被引入光学。其基础物理与应用尚未被完全理解，本报告探索了一种利用时间域合成维度的光学神经网络方法，理论上提出利用单个谐振器网络，其中光脉冲的到达时间相互连接以构建时间合成维度。因此，每次往返中的脉冲集合提供了光学神经网络各层中的格点，并可在脉冲于网络内循环时通过分束器、延迟线（含相位调制器）进行线性变换。这种线性变换可由所施加的调制相位任意控制，其与脉冲的非线性分量共同构成神经网络的构建模块。我们通过手写数字识别和光脉冲序列分布分类问题的示例，验证了所提光学神经网络用于深度学习的功能。这一原理验证计算工作探索了在单个环形网络中使用合成维度开发基于光子学的机器学习的新概念，其允许在实现所需光学任务时具有复杂功能的可重构灵活性与简便性。
引用
@article{arxiv.2101.08439,
title = {Optical neural network architecture for deep learning with the temporal synthetic dimension},
author = {Bo Peng and Shuo Yan and Dali Cheng and Danying Yu and Zhanwei Liu and Vladislav V. Yakovlev and Luqi Yuan and Xianfeng Chen},
journal= {arXiv preprint arXiv:2101.08439},
year = {2023}
}