光子随机涌现存储：利用散射本征模式实现可编程深度分类
无序系统与神经网络
2023-07-04 v1 光学
摘要
无序是自然系统的普遍特征，提供了丰富的非重复模式。本研究中，我们提出一种新颖的存储方法，利用自然发生的随机结构将任意模式存储于存储器件中。该方法即随机涌现存储(SES)，建立在涌现原型概念之上：采用一组不完美的示例（原型）训练集，通过涌现过程在类Hopfield网络中实例化一个原型。我们在光子域中利用随机传输矩阵（其支配白漆浑浊介质中的光散射）作为原型，演示了这一非Hebbian范式。通过可编程硬件的实现，我们成功实现并在实验上验证了以光速存储任意原型并执行分类的能力。借助介观扩散所激发的大量模式，我们的方法能够同时存储数千个记忆，无需任何额外制备工作。类似于内容寻址存储器，所有存储记忆可针对给定模式集体比对以识别匹配元素。此外，通过将记忆空间上组织为不同类别，它们成为更高层类别化（更深）光学分类层中的特征。
引用
@article{arxiv.2307.00007,
title = {Photonic Stochastic Emergent Storage: Exploiting Scattering-intrinsic Patterns for Programmable Deep Classification},
author = {Marco Leonetti and Giorgio Gosti and Giancarlo Ruocco},
journal= {arXiv preprint arXiv:2307.00007},
year = {2023}
}