芯片上可 diffractive 光学神经网络的可扩展性
光学
2025-09-01 v5
摘要
本短报告聚焦于芯片上可 diffractive 光学神经网络的可扩展性挑战。本文聚焦于文献中存在的局限性与挑战，即芯片上光学神经网络的规模化限制。通过对可 diffractive 光学神经网络的彻底调查，证据表明此类网络在执行复杂任务方面无法做到，而随着分类类别数量的增加，性能会显著恶化。尽管进行了优化，这些网络仅能对3-4个类别进行分类，暗示了其计算规模存在根本性限制。由于设计参数（如可 diffractive 层数、每层神经元数量以及层间距离）无法显著改变性能，这些系统中固有的可扩展性挑战得到了强化。因此，基于可 diffractive 的芯片方法相较于电子神经网络，仅提供有限的可控自由度，从而限制了芯片上可 diffractive 神经网络可学习的函数复杂度。
引用
@article{arxiv.2407.18493,
title = {Scalability of On-chip Diffractive Optical Neural Networks},
author = {Sanaz Zarei},
journal= {arXiv preprint arXiv:2407.18493},
year = {2025}
}