Обучение фотонных нейронных сетей методом in situ обратного распространения ошибки и измерения градиента

В последнее время интегрированная оптика привлекает внимание как аппаратная платформа для реализации алгоритмов машинного обучения. Особый интерес представляют искусственные нейронные сети, поскольку матрично-векторные умножения, интенсивно используемые в нейронных сетях, могут быть эффективно выполнены в фотонных цепях. Обучение искусственной нейронной сети является ключевым этапом её применения. Однако в настоящее время для платформы интегральной фотоники отсутствует эффективный протокол обучения таких сетей. В данной работе мы предлагаем метод, обеспечивающий высокоэффективное in situ обучение фотонной нейронной сети. Мы используем методы присоединённой переменной (adjoint variable methods) для вывода фотонного аналога алгоритма обратного распространения ошибки (backpropagation), стандартного метода вычисления градиентов в обычных нейронных сетях. Мы также показываем, как эти градиенты могут быть получены точно путём измерения интенсивности внутри устройства. В качестве примера мы демонстрируем обучение численно смоделированной фотонной искусственной нейронной сети. Помимо обучения фотонных реализаций машинного обучения, наш метод может быть широко полезен для экспериментального анализа чувствительности фотонных систем и оптимизации перенастраиваемых оптических платформ.