.png){kind=icon}
返回
Coupling Enhanced Diffractive Deep Neural Network with Structural Nonlinearity
.png){kind=icon}
OA
AI
DOI：10.1002/adpr.202500038.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
深度学习模型日益增长的复杂性对电子计算机提出了严苛要求。衍射深度神经网络（D2NNs）作为最具代表性的光学计算架构之一，因其高速、低功耗和高并行性的优势，已作为电子基设备的显著替代品出现。然而，缺乏光学非线性限制了D2NNs的潜在发展。结构非线性领域的最新进展为解决这一问题提供了有前景的途径，但这需要复杂的数字数据预编码。在此，通过引入无需编码的数据重复层将结构非线性引入D2NNs，实现了高阶光学非线性，同时降低了系统复杂度。不同数据重复方式的有效性证明了该方法的鲁棒性。此外，为提升D2NNs的设计精度，开发了一种图神经网络框架以表征超表面层中的耦合效应，并将其整合到D2NNs中。本研究为光学计算设备的设计提供了一种新颖方法，对高性能、高集成度全光器件的发展具有重要意义。
Keyword:
coupling
diffractive deep neural network
nonlinearity
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
18.8
论文数:
981
被引数:
3.6K
机构
引用论文
Progress on intelligent metasurfaces for signal relay, transmitter, and processor信号中继、发射机和处理器智能元表面的进展
OAAI
OAAI分享收藏Prediction of DNA origami shape using graph neural network基于图神经网络的DNA折纸形状预测.png)
NATURE MATERIALS
NATURE MATERIALSIF38.5
PREAI
分享收藏Inverse Design of Metasurfaces Based on Coupled-Mode Theory and Adjoint Optimization基于耦合模理论和伴随优化的超表面逆设计ACS PHOTONICS
ACS PHOTONICSIF6.7
PREAI
分享收藏分享收藏Homeostatic neuro-metasurfaces for dynamic wireless channel management用于动态无线信道管理的稳态神经元表面SCIENCE ADVANCESOAAI
SCIENCE ADVANCESIF12.5
OAAI分享收藏
查看更多内容