利用激子-极化子光学非线性训练神经网络
机器学习
2022-06-16 v2 无序系统与神经网络
量子气体
摘要
与神经网络的软件模拟相反，硬件实现通常具有有限的可调谐性或不可调谐。虽然此类网络在速度和能效方面有望带来巨大提升，但其性能受限于难以应用高效训练。我们提出并实验实现了一种光学系统，其中可以通过高度非线性、不可调谐的节点阵列应用高效的反向传播训练。该系统包含实现非线性激活函数的激子-极化子节点。我们在单隐藏层系统的 MNIST 手写数字基准测试中展示了高分类准确率。
引用
@article{arxiv.2107.11156,
title = {Training a neural network with exciton-polariton optical nonlinearity},
author = {Andrzej Opala and Riccardo Panico and Vincenzo Ardizzone and Barbara Pietka and Jacek Szczytko and Daniele Sanvitto and Michał Matuszewski and Dario Ballarini},
journal= {arXiv preprint arXiv:2107.11156},
year = {2022}
}