.png){kind=icon}
返回
Microcomb-driven photonic chip for solving partial differential equations
.png){kind=icon}
OA
AI
DOI：10.1117/1.AP.7.1.016007.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着大数据时代的到来，计算能力的需求急剧增长，特别是在求解偏微分方程（PDEs）方面，因为PDEs常用于描述科学与工程领域中的复杂系统和现象。然而，由于大规模系数矩阵的光子计算、高精度以及误差累积的困难，片上光子求解时变PDEs仍然是一个巨大挑战。我们通过实现微梳驱动的光子芯片，并将时分复用和矩阵分区技术引入PDE光子求解中，克服了这些挑战，能够在有限尺寸的光子芯片上求解具有大规模系数矩阵的PDEs。时变PDEs，包括一阶时间导数的热传导方程、二阶时间导数的波动方程以及非线性Burgers方程，求解精度高达97%。此外，在单芯片上实验演示了Poisson方程和Laplace方程的并行求解，精度分别为95.9%和95.8%。我们提供了一种强大的光子平台用于求解PDEs，这为光子芯片在数学问题中的应用迈出了重要一步，并将促进片上光子计算的发展。
Keyword:
photonic computing
silicon photonics
partial differential equations
期刊
IF:
18.8
论文数:
981
被引数:
3.6K
机构
引用论文
分享收藏On-Chip Optical Feedback Systems for Solving Systems of Ordinary Differential Equations用于求解常微分方程组的片上光反馈系统
PREAI
分享收藏High-performance lasers for fully integrated silicon nitride photonics.png)
NATURE COMMUNICATIONS
OAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏The cathodic behavior of microwave-treated manganese dioxide in lithium nonaqueous cells微波处理的二氧化锰在非水锂电池中的阴极行为
PREAI
分享收藏Photonics for artificial intelligence and neuromorphic computing用于人工智能和神经形态计算的光子学NATURE PHOTONICSOAAI
NATURE PHOTONICSIF32.9
OAAI分享收藏
查看更多内容