基于钙钛矿晶体的室温激子极化子神经网络
光学
2024-12-17 v1 无序系统与神经网络
材料科学
量子气体
摘要
电子器件的局限性已激发了寻找新型非常规计算平台，以实现能源效率高且超快的信息处理。 在各种系统中，激子极化子作为实现光学神经形态器件的有力候选者，由于其独特的混合光物性质，具有强烈的光学非线性和优异的传输性能。然而，之前的极化子神经网络实现局限于低温，限制了其实际应用。在本工作中，我们利用单晶钙钛矿波导中的非平衡玻色-爱因斯坦凝聚，演示了第一个室温激子极化子神经网络。其在各种机器学习任务中的性能得到验证，包括二进制分类和目标检测。我们的结果是极化子神经网络实用应用开发的关键里程碑，为基于钙钛矿的光学计算加速器提供了新视角。
引用
@article{arxiv.2412.10865,
title = {Room temperature exciton-polariton neural network with perovskite crystal},
author = {Andrzej Opala and Krzysztof Tyszka and Mateusz Kędziora and Magdalena Furman and Amir Rahmani and Stanisław Świerczewski and Marek Ekielski and Anna Szerling and Michał Matuszewski and Barbara Piętka},
journal= {arXiv preprint arXiv:2412.10865},
year = {2024}
}