基于延迟缓冲与波分复用的集成光子卷积神经网络性能评估
信号处理
2020-03-02 v2 光学
摘要
光子技术已展现出构建高速、高能效神经网络加速器的广阔前景。在先前提出的光子神经网络中，架构主要面向全连接层设计。当在此类神经网络中执行卷积层时，大规模电光调制阵列会严重增加芯片上的能量耗散。为提高能效，本文提出了一种专用于卷积层计算的集成光子架构。光延迟线取代电子器件在光芯片上执行数据操作，从而减小了电光调制阵列的规模，进而降低了这些部分的能量耗散。在波分复用的驱动下，延迟线的 footprint 相较先前方案显著减小，因而具备实际制备的可行性。我们针对实际制备中的器件缺陷评估了所提架构的潜在性能。结果表明，在系统插入损耗得到良好控制的情况下，该架构的能效将超越先前提出的工作以及最先进的电子处理器。我们期望所提架构有益于未来快速且高能效的卷积神经网络加速器。
引用
@article{arxiv.1910.12635,
title = {Performance evaluation of an integrated photonic convolutional neural network based on delay buffering and wavelength division multiplexing},
author = {Shaofu Xu and Jing Wang and Weiwen Zou},
journal= {arXiv preprint arXiv:1910.12635},
year = {2020}
}