網路議題

簡化光學神經網路元件 節省空間與能源

簡化光學神經網路元件可節省空間和能源 Intelligent Computing-智慧計算 (2023)隨著光學計算的研究不斷進展,科學家們希望透過對光學計算裝置進行目的專用的設計改進其效能。中國華中科技大學的吳波和劉少傑等人領導的團隊設計並測試了一種更高效的馬赫-澤因德幹涉儀網路,用於實現實值矩陣- .... (往下繼續閱讀)

分享到 Facebook 分享到 Line 分享到 Twitter

文章目錄

簡化光學神經網路元件 節省空間與能源

簡化光學神經網路元件可節省空間和能源

Intelligent Computing-智慧計算 (2023)

隨著光學計算的研究不斷進展,科學家們希望透過對光學計算裝置進行目的專用的設計改進其效能。中國華中科技大學的吳波和劉少傑等人領導的團隊設計並測試了一種更高效的馬赫-澤因德幹涉儀網路,用於實現實值矩陣-向量乘法。他們的研究成果於 2023 年 9 月 19 日發表在「Intelligent Computing-智慧計算」期刊上。

傳統的馬赫-澤因德幹涉儀網路具有許多優勢,包括寬頻和高穩定性。然而它是為複值矩陣-向量乘法而設計的,而這種計算型別的硬體要求與實值矩陣-向量乘法不同。新的網路網路根據這兩種計算型別之間的差異進行了定制化,更加高效。實值矩陣具有複值矩陣自由度的一半,因此需要的相位調整器數量也減少了一半。較少的相位調整器意味著更小的硬體尺寸和更低的電能消耗。此外由於簡化網路是如何檢測光的方式,因此更容易使用和製造。傳統的網路需要"相幹"光,如來自鐳射器的光,其波長大小、形狀和方向均相同。簡化的網路可以檢測"非相幹"光,這種光的波長不規則,可以由更多種類的光源產生。

研究人員表示:"結果表明,所提出的馬赫-澤因德幹涉儀網路在基準任務中表現出優異的效能。此外錯誤分析表明,該方案對製造誤差具有強韌性。"而且簡化的網路是可伸縮的,這意味著它在大規模光學神經網路中具有巨大潛力,節約的空間和能源也將同樣巨大。"我們首先根據我們的直觀和常識設計了這個架構,因為相位調整器的冗餘是明顯的,"華中科技大學的對應作者周海龍表示。該網路是透過多個步驟開發的,從複值光學矩陣的"型別 0"傳統網路,進展到較少相位調整器的"型別 1"網路,然後進一步到具有附加輸出口的"型別 2"網路,最終到具有更小佔地面積的"型別 3"網路。型別 3 網路的效果得到了數學證實和數值模擬的支援。"我們只是希望透過數值模擬來碰運氣,但出奇地取得了一個優秀的結果。"該模擬是基於著名的鳶尾花分類基準任務進行的,其中計算機必須透過處理與每種型別相應的物理測量資料集來"學習"三種不同型別的鳶尾花的特性。這項研究使用的訓練算法是粒子群最佳化。作者表示下一步計劃進行大規模影象分類任務。

光學神經網路是與使用傳統計算機構建的人工神經網路具有相同功能的硬體裝置。換句話說,它們可以被程式設計以執行分類等機器學習任務。研究人員表示光學神經網路和生物神經網路相似,因為它們都可以透過各種線性和非線性物理操作處理輸入訊息。對光學和量子計算等備受關注的替代計算範式的探索是由於人工智慧專案所需的計算能力的快速增加。作者希望幫助"最大程度地發揮光學計算的優勢",並希望這項技術可以"真正擺脫電子元件",從而不需要將光訊號轉換為電訊號以及相反。他們預期,具有"數千個光學元件"和"微不足道的功耗"的強大晶片將在未來在自駕車等計算複雜任務方面發揮重要作用。

更多訊息:
Bo Wu et al, Real-Valued Optical Matrix Computing with Simplified MZI Mesh, "Intelligent Computing-智慧計算" (2023). DOI: 10.34133/icomputing.0047

評論和建議

這項研究開發了一種簡化的光學神經網路元件,該元件可以節省空間並減少能源消耗。與傳統的元件相比,簡化網路利用了實值矩陣和複值矩陣之間的計算差異,從而實現了更高的效率。這對於光學神經網路和相關領域的發展具有重要意義。

傳統的光學神經網路元件主要是為了複值矩陣-向量乘法而設計的,而這種計算型別與實值矩陣-向量乘法有所不同。實值矩陣具有複值矩陣自由度的一半,因此需要更少的相位調整器。這項研究的創新之處在於利用了這種差異,設計並測試了一種更適合實值矩陣的網路元件。結果顯示,這種簡化的網路元件在基準任務中表現出優異的效能,並且對製造誤差具有強韌性。

除了節省空間和能源,簡化的光學神經網路元件還具有易於使用和製造的優點。與傳統的元件相比,簡化網路可以檢測更廣泛型別的光源,而不僅僅是相幹的光源。這擴大了應用範圍並提高了使用的靈活性。此外該網路元件可伸縮,且能夠應用於大規模光學神經網路,這將為相應的系統帶來巨大的節約。

儘管光學神經網路的研究和應用仍在起步階段,但它們具有巨大的潛力。這種硬體裝置可以執行與傳統計算機相同的機器學習任務,同時還有切合實際的節能優勢。隨著計算能力需求的不斷增加,探索替代計算範式的重要性日益凸顯。光學和量子計算等新興領域正在取得重要突破,而簡化的光學神經網路元件正是這一發展的一個重要裏程碑。

未來的研究方向可以是進一步最佳化和擴充套件簡化的光學神經網路元件,並將其應用於更多的機器學習任務中。此外與其他領域的研究人員合作,開展更多的實驗和測試,以確保該技術的可行性和可靠性。隨著這項技術的不斷發展,我們有望看到更多運用光學計算的創新應用,對我們的智慧生活產生重要影響。

"Opticalcomponents"-光學神經網路,節能,節省空間,元件簡化
程宇肖

程宇肖

Reporter

大家好!我是程宇肖,我對於科技的發展和應用有著濃厚的興趣,並致力於將最新的科技趨勢和創新帶給大家。科技領域的變化速度驚人,每天都有令人興奮的新發現和突破。作為一名部落格作者,我將帶領大家深入探索科技的奧秘和應用的無限可能。