基于光电-光转换器（带RC延迟）的光电递归神经网络
光学
2024-11-26 v1
摘要
光学神经网络(ONN)因其低延迟和低功耗而引起剧烈关注。尽管如此，光学递归神经网络(RNN)通过紧凑的回路结构实现了低功耗和高速时序数据处理。需要有效补偿回路损耗，以保持RNN操作中的时序信息。为此，我们关注带有光电-光(OEO)转换器的光电RNN(OE-RNN)，用于补偿回路损耗。然而，OEO转换器的电阻-电容(RC)延迟对RNN性能的影响尚不清楚。本文通过仿真研究带RC延迟的OEO转换器装配的OE-RNN。我们确认，在RC延迟与时序数据时间间隔相当的情况下，模型化的OE-RNN仍能实现时序数据分类的高训练准确率。我们的分析表明，RC延迟对时序数据的累积并不会降低RNN性能，反而可以补偿因回路损耗导致的性能下降。根据关于梯度爆炸和消失问题的理论分析，我们找到了与损失和RC延迟相关的区域，可实现高训练准确率。在仿真中，我们确认了在规模为32×32的大型OE-RNN电路中实现了这种补偿效应。我们提出的方案为利用RC延迟进行光学计算和光学通信的时序数据处理开辟了新思路。
引用
@article{arxiv.2411.16186,
title = {Optoelectronic recurrent neural network using optical-electrical-optical converters with RC delay},
author = {Masaya Arahata and Shota Kita and Kazuo Aoyama and Akihiko Shinya and Hiroshi Sawada and Masaya Notomi},
journal= {arXiv preprint arXiv:2411.16186},
year = {2024}
}