光学脉冲神经元实现高速高能效光学神经网络
光学
2025-03-25 v2 计算物理
摘要
光学神经网络（ONN）利用光子而非电子进行大量计算，从而实现被动式高能效和低延迟计算。在各类ONN中，衍射光学神经网络（DONN）在能效、带宽和并行性方面尤为突出，因此备受关注。然而，其性能受到传统基于帧的传感器固有局限性的限制，这些传感器以低工作频率处理并产生密集且冗余的信息。受人类神经系统中脉冲神经元的启发，后者利用阈值机制稀疏且高效地传输信息，我们提出将阈值锁定方法集成到神经形态视觉传感器中，以生成稀疏的二值信息，实现类似人类脉冲神经元的微秒级精确感知。通过引入新颖的二元双重自适应训练（BAT）和光学并行混合专家（OPMoE）推理方法，这种高速、基于脉冲的衍射光学神经网络（S2NN）展示了3649 FPS的超快运行速度，比已报道的DONN快30倍，提供了417.96 TOPS的卓越计算速度和12.6 TOPS/W的系统能效。我们的工作展示了将神经形态架构融入光学神经网络应用以促进其在现实场景中执行低级和高级机器视觉任务的潜力。
引用
@article{arxiv.2409.05726,
title = {Optical Spiking Neurons Enable High-Speed and Energy-Efficient Optical Neural Networks},
author = {Bo Xu and Zefeng Huang and Yuetong Fang and Xin Wang and Bojun Cheng and Shaoliang Yu and Zhongrui Wang and Renjing Xu},
journal= {arXiv preprint arXiv:2409.05726},
year = {2025}
}