.png){kind=icon}
返回
A Simple Optical Convolution Strategy Based on Versatile Adjustable Optical Convolution Kernel for All-Optical Convolution Computing
.png){kind=icon}
PRE
AI
DOI：10.1002/adma.202420534.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
卷积神经网络（CNN）是目前最重要的人工神经网络之一。然而，随着人工智能任务需求的增长，传统CNN硬件架构面临着能耗和处理时间的显著增加。本文提出了一种新颖的光学卷积计算策略，利用连续可调的光致发光器件（CA-PLD）作为光学卷积核，实现了并行、全光卷积计算，并极大地简化了传统卷积过程。在紫外光照下，CA-PLD由于电荷俘获和保持效应，表现出可见光长余辉发射特性。这允许实现连续可调的光学权重，从而促进任意卷积运算。在此基础上，通过使用具有不同权重组合的CA-PLD阵列，成功演示了并行且高效的乘累加运算。此外，空间可变换的CA-PLD单元支持空洞卷积的应用。在包含20个类别的语义分割任务中，CA-PLD单元实现了更高的交并比（IoU）值和准确率。因此，本文提出的权重可调且空间可变换的CA-PLD在未来的智能光学计算系统以及非冯·诺依曼架构的光学实现中具有应用前景。
Keyword:
All-optical convolution computing
long-afterglow emission
non-von Neumann architecture
photoluminescent device
期刊
IF:
26.8
论文数:
3.5W
被引数:
52.9W
机构
引用论文
Unsupervised learning in probabilistic neural networks with multi-state metal-oxide memristive synapses具有多态金属氧化物忆阻突触的概率神经网络中的无监督学习.png)
NATURE COMMUNICATIONS
OAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏Optogenetics inspired transition metal dichalcogenide neuristors for in-memory deep recurrent neural networksNATURE COMMUNICATIONSOAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏Photonic Perceptron Based on a Kerr Microcomb for High-Speed, Scalable, Optical Neural Networks基于Kerr微梳的光子感知器，用于高速，可扩展的光学神经网络OAAI
OAAI分享收藏
查看更多内容