ROSA：基于光学移位-加法与分层混合映射的鲁棒能效微环光学神经网络
硬件体系结构
2026-05-04 v1 机器学习
摘要
本工作提出ROSA（Robust and Energy-Efficient Microring-based Optical Neural Networks），一种改进鲁棒性和能效的微环光学神经网络架构，采用光学移位-加法（OSA）模块和分层混合映射策略。它引入了考虑DAC和热力学变异的噪声感知电压到权重模型，以及面向工作负载的框架以协同优化MRR阵列规模和分层数据流。优化后的阵列相较于DEAP-CNNs和通用紧凑阵列分别可降低64%和26%的累计相对能耗-时延积（EDP）。OSA进一步实现29%的EDP降低。所提出的混合映射策略在权重恒定映射基础上将CIFAR-10准确率提高8.3%，同时实现比DEAP-CNNs平均54.7%的更低EDP。
引用
@article{arxiv.2605.00032,
title = {ROSA: Robust and Energy-Efficient Microring-Based Optical Neural Networks via Optical Shift-and-Add and Layer-Wise Hybrid Mapping},
author = {Huifan Zhang and Yun Hu and Caizhi Sheng and Yurui Qu and Pingqiang Zhou},
journal= {arXiv preprint arXiv:2605.00032},
year = {2026}
}