光学编码器的光子优势
光学
2023-05-04 v1 计算机视觉与模式识别
摘要
光执行大规模线性运算的并行能力近来激发了众多光学辅助人工神经网络（ANN）的演示。然而，光学相对于纯数字 ANN 在系统层面的明确优势尚未确立。虽然线性运算确实可以非常高效地光学执行，但非线性和信号再生的缺乏需要在光学与电子学之间进行高功率、低延迟的信号转导。此外，激光器和光电探测器需要较大功率，而在能耗计算中常被忽略。在此，我们不是将传统数字运算映射到光学，而是共同优化了一个基于非相干光工作的混合光-数字 ANN，因此适于在环境光下操作。在保持纯数字 ANN 与混合光-数字 ANN 之间延迟和功率恒定的情况下，我们确定了一个低功率/低延迟 regime，其中光学编码器提供比纯数字 ANN 更高的分类精度。然而，在该 regime 中，总体分类精度低于在更高功率和延迟下可实现的精度。我们的结果表明，在可以放宽 ANN 总体性能以优先考虑更低功率和延迟的应用中，光学相对于数字 ANN 具有优势。
关键词
引用
@article{arxiv.2305.01743,
title = {Photonic Advantage of Optical Encoders},
author = {Luocheng Huang and Quentin A. A. Tanguy and Johannes E. Froch and Saswata Mukherjee and Karl F. Bohringer and Arka Majumdar},
journal= {arXiv preprint arXiv:2305.01743},
year = {2023}
}