波导上用于多模光子卷积神经网络的可编程相变超表面
光学
2021-01-27 v3 应用物理
摘要
神经形态光子学近来已成为一种有前景的硬件加速器,相较于数字电子学,在各类神经网络等机器学习算法上具有显著的速度与能耗优势。集成光子网络在执行矩阵-向量乘法(MVM)的模拟计算方面尤为强大,因其为数据传输提供了无与伦比的速度和带宽密度。在集成光子器件中引入非易失性相变材料,为片上光计算提供了不可或缺的编程与存内计算能力。在此,我们展示了一个多模光子计算核心,其由基于相变材料超表面的可编程模式转换器阵列构成。这些可编程转换器利用相变材料Ge-Sb-Te在相变过程中的折射率变化来控制波导空间模式,模态对比度精度高达64级。该对比度用于表示矩阵元素,具有6位分辨率及正负值,以在神经网络算法中执行MVM计算。我们展示了一种可执行图像处理与分类任务且高精度光卷积神经网络。凭借宽工作带宽与紧凑器件尺寸,所展示的多模光子核心有望用于面向高吞吐光神经网络的大规模光子处理器。
引用
@article{arxiv.2004.10651,
title = {Programmable Phase-change Metasurfaces on Waveguides for Multimode Photonic Convolutional Neural Network},
author = {Changming Wu and Heshan Yu and Seokhyeong Lee and Ruoming Peng and Ichiro Takeuchi and Mo Li},
journal= {arXiv preprint arXiv:2004.10651},
year = {2021}
}
备注
17 pages, 4 figures