大规模光子递归神经网络中的强化学习
神经与进化计算
2019-05-13 v2 光学
摘要
光子神经网络实现作为潜在颠覆性未来技术已获得相当关注。在大规模神经网络中展示学习，对于确立光子机器学习基底作为可行信息处理系统至关重要。迄今尚缺具有众多非线性节点、以全并行高效学习硬件实现的光子神经网络。我们展示了多达2500个衍射耦合光子节点组成的网络，形成大规模递归神经网络(Recurrent Neural Network)。利用数字微镜器件，我们实现了强化学习。我们的方案全并行，且被动权重最大化了能效与带宽。计算输出高效收敛，我们取得了非常好的性能。
引用
@article{arxiv.1711.05133,
title = {Reinforcement Learning in a large scale photonic Recurrent Neural Network},
author = {Julian Bueno and Sheler Maktoobi and Luc Froehly and Ingo Fischer and Maxime Jacquot and Laurent Larger and Daniel Brunner},
journal= {arXiv preprint arXiv:1711.05133},
year = {2019}
}