行业新闻详细内容

VCSEL用于新型光子神经网络

2023/10/7 10:42:13 材料来源：雅时

斯特拉思克莱德大学团队利用VCSEL和全新训练方法实现高精度分类

光子神经网络系统速度快、能效高，有助于处理大量数据。为推动光子类脑计算技术的发展，斯特拉思克莱德大学研究团队将基于脉冲的神经网络与表现出脉冲神经元行为的VCSEL相结合。

近期，研究人员展示了训练要求较低的高性能光子脉冲神经网络操作，为获得更好的成果，还引入了一种全新训练方案。8月29日，这项研究成果发表在期刊《智能计算》（Intelligent Computing）上。

论文作者提出的脉冲神经网络基于硬件友好型光子系统，该系统仅由一个VCSEL组成。这是同批作者对早先研究的改进，在早先研究中，他们将储层计算（一种用于构建光子神经网络和处理复杂任务的强大方法）与使用同类激光器构建的神经形态脉冲神经元相结合。

在此论文中，作者完成了一项更具挑战性的分类任务，并应用了另一种训练方案来提高训练的速度和效率，同时降低训练要求。

作者解决的分类任务是一个复杂的多变量非线性问题，每个数据点有500个特征，且这一分类任务基于人工数据集MADELON。为创建脉冲神经网络，作者使用了一种实验装置，将激光器的非线性脉冲动态与受储层计算启发的架构相结合。

在受储层计算启发的架构中，输入数据是时分多路复用的。每一时隙代表神经网络中的一个虚拟神经元。将输入数据注入激光器，并由激光器处理后，输出为二进制节点输出，其中脉冲或非脉冲取决于输入数据是否超过某一阈值。

作者采用传统的最小二乘回归训练方法，以及新提出的“重要性”训练方法，进而成功证实光子脉冲神经网络的计算能力。其中，“重要性”训练方法根据节点的整体有用性和重要性为节点分配二进制权重。

作者报告称，两种方法都达到了94%以上的出色分类准确率，只用了很短的处理时间就超过了基准性能。新方法的准确率分别为94.4%和95.7%，高于传统方法。

作者认为，这项研究可为完全基于光学硬件的光子处理系统创造新的可能性，使其能以高精度、高速度、高能效处理高度复杂的任务。

参考文献

'Photonic Spiking Neural Networks with Highly Efficient Training Protocols for Ultrafast Neuromorphic Computing Systems' by Dafydd Owen-Newns et al; Intelligent Computing 29 Aug (2023)

【近期会议】

10月17日14:00，即将举办“高可靠性GaN功率器件推动太阳能、DC/DC转换和电机驱动的创新应用”主题会议，诚邀您踊跃参与云上知识盛宴：https://w.lwc.cn/s/7r6jea
11月1日-2日，雅时国际商讯联合太仓市科学技术局即将举办“2023 先进技术及应用大会”。诚邀您相聚江苏太仓，筑创产业新未来。听众注册：https://w.lwc.cn/s/yqMZ7f

上一篇：特斯拉在美国电动汽车市...

下一篇：总算力达400P！武汉人工...

声明：本网站部分文章转载自网络，转发仅为更大范围传播。转载文章版权归原作者所有，如有异议，请联系我们修改或删除。联系邮箱：lynnw@actintl.com.hk