.png){kind=icon}
返回
Optical Convolution Processing Based on an Amplified Fiber-Optic Recirculating Loop
.png){kind=icon}
PRE
AI
DOI：10.1109/JLT.2025.3613458.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
卷积处理在卷积神经网络（CNNs）中发挥着关键作用，这些网络被广泛应用于图像识别、信号处理以及其他需要高计算速度和效率的应用中。为提升计算速度，光学卷积处理（OCP）作为一种有效方案应运而生，其利用了光学系统的固有并行性和高速度。然而，现有的OCP实现方案常面临可扩展性挑战，因为大多数系统仅限于固定核尺寸，或需要大幅扩展硬件以支持更大的核。本研究提出了一种基于放大光纤循环环路、无需改变系统配置即可处理不同核尺寸的OCP实现方法。对于输入数据序列，通过将输入数据与具有n个权重的核相乘，实现方式为将输入数据和核权重施加至马赫-曾德尔调制器（MZM），使加权输入数据在放大光纤环路中循环n-1次。加权且时间延迟的数据由光电探测器（PD）求和，完成卷积运算。该系统通过概念验证实验进行评估，实验在MNIST和fashion-MNIST数据集上执行不同尺寸核的卷积运算以生成特征图。分别实现了每秒16吉次运算（GOPS）的计算速度，分类准确率分别为92.8%和73.6%。
Keyword:
Convolutional neural network
deep learning
microwave photonics
optical convolution processing
