返回
Optical logic convolutional neural network
DOI:10.1126/sciadv.aea9278.png)
摘要
En 中文
光学计算为满足日益增长的计算需求提供了有前景的途径。然而,光学模拟计算易受环境扰动影响,严重依赖数模转换器和模数转换器,且需要电子或光子非线性操作。虽然光学数字计算缓解了一些问题,但其对人工、任务特定配置的依赖阻碍了诸如推理等更广泛应用。在此,我们提出了光学逻辑卷积神经网络(OLCNN)的概念。我们展示了一个1×3光学逻辑卷积算子(OLCO)用于模式生成,并验证了其20 Gbit/s的高速计算能力。随后实现了一个2×2 OLCO以执行三种类型的图像边缘提取。通过扩展规模,构建了一个3×3 OLCO用于OLCNN,在MNIST数据集上实现了四分类,测试平均准确率达到95.1%。通过将光学逻辑器件与神经网络协同结合,本研究开创了逻辑驱动范式,用于人工智能中的高速、节能光学硬件。
Keyword:
Optical computing
Convolutional neural network
Optical logic
Pattern generation
Image edge extraction
期刊
IF:
12.5
论文数:
2.1W
被引数:
18.1W
机构
引用论文
High-Bandwidth Lumped Mach-Zehnder Modulators Based on Thin-Film Lithium Niobate基于薄膜铌酸锂的高带宽集总马赫-曾德尔调制器
Photonics
IF0
Photonic logic tensor computing beyond Tbit/s per coreW. Zhang, B. Wu, W. Gu, H. Zhou, W. Hu, T. He, L. Chen, W. Dong, D. Huang, Y. Zhao, 光子逻辑张量计算超越每核Tbit/s。Optica 12, 1252–1260 (2025)。
Optica
IF0
Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks更快的r-cnn: 基于区域建议网络的实时目标检测
Single-chip photonic deep neural network with forward-only training具有只进训练的单芯片光子深度神经网络
NATURE PHOTONICS
IF32.9
All-Optical Content-Addressable Memory (CAM) Based on All-Fiber PlatformS. Cheng, X. Li, Y. Li, Y. Feng, W. Jin, Y. Zhang, Z. Liu, Y. Qin, X. Yang, L. Yuan, 基于全光纤平台的全光内容寻址存储器(CAM)。ACS Photonics 12, 2997–3005 (2025)。
Large-scale optical programmable logic array for two-dimensional cellular automaton大规模光学可编程逻辑阵列用于二维元胞自动机
Electronic-photonic arithmetic logic unit for high-speed computing用于高速计算的电子-光子算术逻辑单元
NATURE COMMUNICATIONS
IF15.7

